Prozesswissen als Kapital: Wem gehört die Erfahrung?
Wer KI-Agenten für Wissensarbeit baut, braucht Spuren menschlicher Arbeit: Arbeitsschritte, Zwischenstände, Korrekturen. Aus denselben Spuren lässt sich ein Ersatz trainieren oder ein Werkzeug, das Menschen besser macht. Teil 4 der Serie „Automatisieren oder befähigen?“ fragt, wem dieses Prozesswissen gehört, und warum deutsche Unternehmen die Antwort verhandeln können.
Prof. Dr. Kai Reinhardt9. November 20268 Min. 
Wem gehört das Erfahrungswissen, wenn KI-Agenten aus der Arbeit von Beschäftigten lernen? Rechtlich ist das offen, organisatorisch ist es eine Gestaltungsfrage. Agenten für Wissensarbeit brauchen Prozessspuren: wie Fachleute einen Fall angehen, was sie verwerfen, wo sie nachfragen. Aus diesen Spuren entsteht entweder eine Black Box, die Arbeit ersetzt, oder ein nachvollziehbarer Agent, der seine Zwischenschritte zeigt und Menschen steuern lässt. Im ersten Fall geht das Wissen dem Unternehmen auf Dauer verloren, im zweiten wächst es, und der Nachwuchs lernt mit. In Deutschland ist die Erfassung von Arbeitsschritten mitbestimmungspflichtig nach § 87 Abs. 1 Nr. 6 BetrVG. Für HR und Organisationsentwicklung heißt das: die Verwendung von Spuren in einer Betriebsvereinbarung regeln, Wissenssicherung als Nachfolgeplanung behandeln, Lernwege für den Einstieg neu bauen und das Teilen von Wissen belohnen.
Jedes Unternehmen hat Menschen, ohne die bestimmte Vorgänge nicht laufen. Die Sachbearbeiterin, die weiß, welche Reklamation ein Kulanzfall ist und welche ein Vorbote. Der Meister, der an einem Geräusch hört, dass ein Werkzeug bald bricht. Der Disponent, der weiß, welcher Lieferant am Freitag nicht zusagt, obwohl er es tut. Dieses Wissen steht in keinem Handbuch. Es entsteht in Jahren und geht mit der Person in den Ruhestand. Bisher war das ein Problem der Nachfolgeplanung. Mit KI-Agenten wird es eine Frage des Eigentums: Wer Agenten für Wissensarbeit bauen will, braucht genau dieses Wissen, und er bekommt es nur aus der Arbeit der Beschäftigten.
Agenten lernen aus Arbeitsspuren
Sprachmodelle haben aus Texten gelernt. Für Agenten, die Arbeit erledigen sollen, reicht das nicht. Sie müssen Vorgehen lernen: welcher Schritt auf welchen folgt, wann man nachfragt, was man verwirft. Dafür braucht es Prozessspuren, also Aufzeichnungen davon, wie Menschen eine Aufgabe tatsächlich lösen. Beim Programmieren gibt es sie in großer Menge, weil Versionsverwaltung jeden Schritt festhält. In Sachbearbeitung, Planung, Einkauf, Beratung und Prüfung gibt es sie kaum. Entsprechend groß ist das Interesse der Anbieter an Arbeitsspuren aus Unternehmen, über Aufzeichnungswerkzeuge, über Bildschirm- und Prozessprotokolle, über die Nutzung der eigenen Systeme.
Gabriel Unger und Arvind Narayanan beschreiben diesen Bedarf in ihrer Forschungsagenda für eine KI jenseits der Automatisierung als erstes offenes Problem. Ihr Punkt ist ein anderer, als man erwarten würde. Spuren sind nicht von sich aus ein Werkzeug des Ersatzes. Man kann aus ihnen auch Agenten bauen, die ihre Zwischenschritte offenlegen, die zeigen, welche Quellen sie herangezogen und welche Annahmen sie getroffen haben, und an denen Menschen jederzeit eingreifen können. Die Technik lässt beides zu. Bisher werden Spuren überwiegend für den ersten Weg genutzt.
Zwei Wege aus derselben Spur
Der erste Weg führt zur Black Box. Aus den Spuren erfahrener Beschäftigter wird ein Modell trainiert, das ihr Ergebnis nachbildet, ohne ihr Vorgehen sichtbar zu machen. Es arbeitet schneller und billiger, solange die Fälle denen gleichen, aus denen es gelernt hat. Das Wissen ist danach im Modell, aber niemand im Unternehmen versteht es mehr. Wenn der Markt sich ändert, ein Sonderfall auftritt oder der Anbieter wechselt, fehlt die Person, die es konnte, und es fehlt die Person, die es hätte lernen können.
Der zweite Weg führt zu einem nachvollziehbaren Agenten. Er zeigt seine Zwischenschritte, markiert Unsicherheiten, lässt sich an jeder Stelle steuern. Der Mensch bleibt im Prozess, nicht als Abnehmer am Ende, sondern als jemand, der das Vorgehen beurteilen kann. Das Wissen bleibt im Unternehmen lesbar, und es wächst, weil jede Korrektur zurück in die Spur geht.
Welcher Weg gewählt wird, entscheidet sich selten bei der Technik. Es entscheidet sich bei der Frage, wer über die Spur verfügt und wofür sie verwendet werden darf.
Erfahrungswissen ist das Kapital des Mittelstands
Michael Polanyi hat für dieses Wissen den Begriff des impliziten Wissens geprägt: Wir wissen mehr, als wir sagen können. Ikujiro Nonaka und Hirotaka Takeuchi haben daraus eine Theorie der Wissensentstehung in Unternehmen gemacht, in der implizites Wissen durch Zusammenarbeit, Beobachtung und Nachmachen weitergegeben wird. In Deutschland hat diese Weitergabe eine Institution: die duale Ausbildung und die Facharbeitstradition, in der Erfahrung über Jahre an der Seite von Menschen aufgebaut wird, die es schon können.
Für viele mittelständische Unternehmen ist dieses Wissen das eigentliche Kapital. Es steckt oft in wenigen Köpfen, und die gehören häufig zu den Jahrgängen, die in den nächsten Jahren in Rente gehen. Der Fachkräftemangel verschärft das: Ersatz ist schwer zu finden, und wer kommt, braucht Jahre, bis er die Fälle kennt. Prozessspuren könnten hier eine Brücke sein. Sie machen erstmals in großem Maßstab sichtbar, was bisher nur durch Mitarbeit weitergegeben wurde. Was das Unternehmen damit anfängt, ist eine Richtungsentscheidung.
Wie teuer der Verlust von Erfahrung ist, hat Ford in diesem Jahr gezeigt, als der Konzern Hunderte erfahrener Ingenieure zurückholte, nachdem das Wissen gefehlt hatte (Die Rückkehr der Erfahrung). Wer Spuren in eine Black Box gießt, wiederholt dieses Muster, nur schneller.
Wo der Nachwuchs lernt
Die zweite Folge betrifft den Einstieg in den Beruf. Fachleute haben ihr Urteil meist an einfachen Fällen gebildet: an der Standardreklamation, der Routineprüfung, dem ersten Entwurf, den jemand Erfahrenes korrigiert hat. Diese Aufgaben werden heute als erste automatisiert, weil sie gut abgrenzbar sind und das Ergebnis leicht zu prüfen ist. Damit fällt die unterste Stufe der Lernleiter weg.
Erste Daten deuten in diese Richtung. Erik Brynjolfsson, Bharat Chandar und Ruyu Chen finden in amerikanischen Lohndaten, dass die Beschäftigung 22- bis 25-Jähriger in KI-exponierten Berufen 19 Prozent unter dem Vergleichspfad liegt, während ein breiter Stellenabbau bisher ausbleibt (Brynjolfsson/Chandar/Chen 2026). Das ist ein amerikanischer Befund und kein Beweis für Deutschland. Er zeigt aber, wo der Druck zuerst ankommt: nicht bei den Erfahrenen, sondern bei denen, die Erfahrung erst sammeln wollen.
Hier unterscheiden sich die beiden Wege am deutlichsten. Eine Black Box nimmt dem Nachwuchs die Fälle weg. Ein nachvollziehbarer Agent kann sie zurückgeben, wenn Berufseinsteiger seine Zwischenschritte prüfen, begründen und korrigieren, statt nur das Ergebnis abzuzeichnen. Das ist mehr Arbeit als Abnahme, aber es ist Lernarbeit.
Ein Prozess ist erst digital, wenn geklärt ist, wer ihn entscheidet, wer ihn beherrscht und wer ihn führt. Wer die Spur besitzt, beherrscht ihn.
Warum Wissen zurückgehalten wird
Es gibt einen dritten Effekt, den viele Einführungsprojekte unterschätzen. Beschäftigte merken, wofür ihre Arbeitsschritte erfasst werden. Wer annimmt, dass sein Vorgehen in einen Ersatz fließt, hat wenig Grund, es offen zu zeigen. Er wird Abkürzungen verschweigen, Sonderfälle für sich behalten und die Erfassung so gering halten wie möglich. Das ist kein Widerstand gegen Technik, sondern eine vernünftige Reaktion auf eine unklare Lage.
Dazu kommt ein soziales Muster. Jessica Reif, Richard Larrick und Jack Soll haben in vier präregistrierten Experimenten gezeigt, dass Menschen, die ihre KI-Nutzung offenlegen, als weniger kompetent und weniger fleißig eingeschätzt werden (Reif/Larrick/Soll 2025, N = 4.439). Andere Studien finden diesen Effekt schwächer, er hängt vom Umfeld ab. Die Richtung ist dennoch klar: Wenn Offenheit sozial bestraft und Wissen in Ersatz verwandelt wird, ist Zurückhaltung rational. Wer ein Organisationsgedächtnis aufbauen will, muss diese Rechnung umdrehen.
Was das für HR und Organisationsentwicklung heißt
In diesem Punkt ist die deutsche Lage der amerikanischen voraus. Was in den USA als Forderung diskutiert wird, die Mitsprache der Beschäftigten über ihre Arbeitsdaten, ist hier geregelt. Gebraucht wird es selten so, wie es gebraucht werden könnte. Fünf Konsequenzen liegen nahe.
Erstens: Eine Betriebsvereinbarung über Prozessspuren statt Abwehr. Eine technische Einrichtung, die Arbeitsschritte aufzeichnet, ist geeignet, Leistung oder Verhalten zu überwachen, und fällt damit unter § 87 Abs. 1 Nr. 6 BetrVG. Dazu kommt der Beschäftigtendatenschutz nach Art. 88 DSGVO, der ausdrücklich Regelungen durch Kollektivvereinbarung zulässt. Der Betriebsrat kann nach § 80 Abs. 3 BetrVG einen Sachverständigen hinzuziehen, bei KI gilt das als erforderlich. Diese Rechte werden meist genutzt, um Erfassung zu begrenzen. Sie lassen sich ebenso nutzen, um ihren Zweck zu bestimmen: Spuren für nachvollziehbare Agenten und für Einarbeitung ja, für Leistungskontrolle einzelner Personen nein, für Ersatz nur nach ausdrücklicher Vereinbarung. Für Betriebsräte ist das eine gestaltende Rolle, keine verhindernde.
Zweitens: Wissenssicherung als Nachfolgeplanung. Wo Erfahrungswissen in wenigen Köpfen steckt, gehört seine Sicherung in die Personalplanung, mit Zeit, Budget und Verantwortung. Prozessspuren sind dafür ein Mittel, wenn sie zu einem Agenten führen, der das Vorgehen zeigt, und nicht zu einem, der es verbirgt.
Drittens: Lernwege für den Einstieg neu bauen. Wenn Routinefälle automatisiert werden, muss die Ausbildung sagen, wo die Fälle herkommen, an denen Urteil entsteht. Das kann das Prüfen und Begründen von Agentenschritten sein, kuratierte Fallsammlungen, Tandems mit Erfahrenen. Die Ausbildungsorganisation selbst behandle ich an anderer Stelle ausführlicher; hier geht es darum, dass die Entscheidung über Spuren und die Entscheidung über Lernwege dieselbe ist.
Viertens: Prozessmodelle als gemeinsamer Wissensspeicher statt als Kontrollinstrument. Ein dokumentierter Prozess kann als Instrument der Überwachung gelesen werden oder als gemeinsames Gedächtnis, an dem alle mitschreiben. Was er wird, hängt davon ab, wer Zugriff hat, wer ihn ändern darf und ob Abweichungen als Fehler oder als Wissen behandelt werden. Für das Wissensmanagement ist das keine neue Einsicht; neu ist, dass KI-Agenten den Unterschied vergrößern (AI Fluency im Wissensmanagement).
Fünftens: Beteiligung am Wert des Wissens. Wer sein Vorgehen offenlegt und damit einen Agenten besser macht, leistet einen Beitrag, der in Zielvereinbarungen, Beurteilung und Entwicklung sichtbar werden sollte. Das muss nicht Geld heißen. Es kann eine Rolle als Ausbilder des Systems sein, Anerkennung als Fachexperte, Einfluss darauf, wie der Agent arbeitet. Ohne diese Beteiligung wird Wissen zurückgehalten, und die Spuren bleiben dünn.
Hinzu kommt der AI Act. Art. 4 verpflichtet Unternehmen, die KI-Kompetenz ihrer Beschäftigten zu fördern; seit dem Digital Omnibus ohne festgelegtes Niveau, aber als Pflicht. Für Personalentscheidungen nach Anhang III gelten ab dem 2. Dezember 2027 Anforderungen an menschliche Aufsicht. Beides spricht für nachvollziehbare Agenten: Aufsicht setzt voraus, dass man sieht, was das System tut.
Prozesswissen ist Kapital, das bisher nicht bilanziert wurde, weil es sich nicht vom Menschen lösen ließ. Mit Prozessspuren lässt es sich lösen. Ob es danach dem Unternehmen als lesbares Wissen gehört, einem Anbieter als Modell oder weiterhin den Menschen, die es aufgebaut haben, ist offen. Das ist eine Organisationsentscheidung, und sie sollte nicht nebenbei fallen. Wer in die Breite automatisiert, bevor er sie getroffen hat, gibt Erfahrungswissen her und bekommt Abhängigkeit zurück (Vom Worker zum Actor).
Wenn Sie als Geschäftsführung, Personalbereich oder Betriebsrat vor der Frage stehen, wie Prozessspuren in Ihrem Unternehmen verwendet werden sollen, erarbeite ich mit Ihnen gern die Grundlagen dafür, in einem ersten Gespräch.
Im nächsten Teil (Montag, 16.11.): Mensch-KI-Teams messen und führen. Was Leistung heißt, wenn ein Teil der Arbeit von Agenten erledigt wird.
Literatur
Brynjolfsson, E./Chandar, B./Chen, R. (2026): Canaries in the Coal Mine? Six Facts about the Recent Employment Effects of Artificial Intelligence. Stanford Digital Economy Lab, Arbeitspapier, Fassung 08/2026.
Nonaka, I./Takeuchi, H. (1995): The Knowledge-Creating Company. How Japanese Companies Create the Dynamics of Innovation. New York: Oxford University Press.
Polanyi, M. (1966): The Tacit Dimension. Garden City: Doubleday.
Reif, J. A./Larrick, R. P./Soll, J. B. (2025): Evidence of a social evaluation penalty for using AI. Proceedings of the National Academy of Sciences 122(19), e2426766122. https://doi.org/10.1073/pnas.2426766122
Unger, G./Narayanan, A. (14.10.2026): Steering AI Beyond Automation: A Research Agenda and Plan for Action. AI as Normal Technology (Substack). https://www.normaltech.ai/p/steering-ai-beyond-automation
Verordnung (EU) 2016/679 (DSGVO), Art. 88.
Verordnung (EU) 2024/1689 (AI Act), Art. 4, Art. 14, Anhang III, in der Fassung der Verordnung (EU) 2026/1744 (Digital Omnibus). https://eur-lex.europa.eu/eli/reg/2024/1689
Betriebsverfassungsgesetz (BetrVG), § 80 Abs. 3, § 87 Abs. 1 Nr. 6.
Häufige Fragen
Was sind Prozessspuren, und warum braucht KI sie?
Prozessspuren sind Aufzeichnungen davon, wie Menschen eine Aufgabe lösen: Arbeitsschritte, Zwischenstände, verworfene Varianten, Rückfragen. Für Programmieraufgaben gibt es sie reichlich, für die meiste andere Wissensarbeit nicht. Wer Agenten bauen will, die Vorgehen statt nur Ergebnisse lernen, braucht sie aus Sachbearbeitung, Planung, Beratung und Prüfung, also aus der Arbeit der Beschäftigten.
Was unterscheidet einen Black-Box- von einem White-Box-Agenten?
Ein Black-Box-Agent liefert ein Ergebnis, ohne zu zeigen, wie er dahin gekommen ist. Er eignet sich zum Ersetzen. Ein White-Box-Agent legt Quellen, Annahmen, Zwischenschritte und Unsicherheiten offen. Menschen können an jeder Stelle eingreifen, und das Vorgehen bleibt im Unternehmen verständlich. Er eignet sich zum Befähigen, auch für die Einarbeitung.
Ist die Erfassung von Arbeitsschritten mitbestimmungspflichtig?
In aller Regel ja. Eine technische Einrichtung, die Arbeitsschritte von Beschäftigten aufzeichnet, ist geeignet, Leistung oder Verhalten zu überwachen, und fällt damit unter § 87 Abs. 1 Nr. 6 BetrVG. Auf die Absicht kommt es nicht an. Dazu kommt der Beschäftigtendatenschutz nach Art. 88 DSGVO. Eine Betriebsvereinbarung kann regeln, wofür Spuren verwendet werden dürfen.
Was wird aus dem Nachwuchs, wenn Einstiegsaufgaben automatisiert werden?
Die Einarbeitung verliert ihre erste Stufe. Viele Fachleute haben ihr Urteil an Routinefällen gebildet, die heute zuerst automatisiert werden. Ohne Ersatz fehlt die Lernleiter. Nachvollziehbare Agenten können sie teilweise ersetzen, wenn Berufseinsteiger deren Zwischenschritte prüfen und begründen müssen, statt nur das Ergebnis abzunehmen.
