Wissen verlagern 2.0: von Offshoring über Remote zu KI
Was ich 2006 über Standortverlagerungen schrieb, gilt für KI doppelt: Wer Arbeit auslagert — auch an die Maschine —, riskiert, sein Wissen zu zerstören.
2006 habe ich im Buch „Wissen verlagern“ beschrieben, was passiert, wenn Unternehmen Arbeit in Niedriglohnländer verlagern: Sie sparen Kosten und riskieren, über Jahre gewachsenes Wissen zu zerstören. Diese Logik wiederholt sich in drei Wellen — Offshoring (2000er), Remote-Arbeit (2010er) und nun KI (2020er). Jedes Mal wandert die Arbeit an einen neuen Ort: erst ins Ausland, dann an jeden beliebigen Ort, jetzt an die Maschine. Und jedes Mal droht dasselbe Risiko: Mit der Aufgabe verlagert man auch das Wissen — und kann es verlieren. Die „Verlagerungsfalle“ von damals kehrt als KI-Automatisierungsfalle zurück: Wer automatisiert, ohne das zugrunde liegende Wissen zu sichern, höhlt seine eigene Kompetenzbasis aus.
Manchmal schreibt man etwas, das zwanzig Jahre später aktueller ist als beim Erscheinen. Mein Buch „Wissen verlagern“ von 2006 handelte von Offshoring. Seine Kernfrage stellt sich heute, im Zeitalter der KI, dringlicher denn je — nur dass die Arbeit diesmal nicht nach Indien wandert, sondern in ein Modell.
Drei Wellen, ein Muster
Die erste Welle war das Offshoring: In den 2000ern verlagerten Unternehmen produktions- und wissensintensive Tätigkeiten in Niedriglohnländer. Die zweite Welle war Remote-Arbeit: In den 2010ern löste sich Arbeit vom Ort und konnte überall stattfinden. Die dritte Welle ist die KI: Arbeit wandert nicht mehr an einen anderen Ort, sondern an die Maschine. So verschieden die drei sind — sie folgen demselben Muster: Eine Tätigkeit verlässt den angestammten Ort, weil es anderswo billiger oder schneller geht.
Das konstante Risiko
2006 nannte ich die Gefahr die Verlagerungsfalle: Unternehmen, die unter Wettbewerbsdruck Kapazitäten verlagern, treffen oft „unreflektierte und unsystematische Verlagerungsentscheidungen“, die an mangelnder Risikoanalyse scheitern. Das Kernrisiko war nie der Ortswechsel selbst, sondern der Wissensverlust: Mit der Aufgabe geht das Erfahrungswissen, das an ihr hängt — und es kommt nicht zurück, wenn man es braucht. Schon damals galt der Satz: „Erfolgreiche Unternehmen zerstören kein Wissen.“
Wer eine Aufgabe an die KI auslagert und das Wissen nicht sichert, automatisiert sich seine eigene Kompetenzbasis weg.
Warum es bei KI doppelt gilt
Bei der KI ist die Falle subtiler, weil die Verlagerung unsichtbar ist. Wenn ein Mensch eine Aufgabe an ein Modell abgibt, verschwindet nicht nur die Tätigkeit, sondern die Übung — und mit der Übung das Wissen, wie es ohne die Maschine geht. Eine Organisation, die ihre Bonitätsprüfung, ihre Texte oder ihre Analysen vollständig an KI abgibt, verliert über die Zeit die Fähigkeit, deren Ergebnisse überhaupt noch zu beurteilen. Das ist gefährlich, weil genau diese Urteilsfähigkeit der Schutz vor den Fehlern der KI ist — siehe Wo ChatGPT gefährlich wird.
Die Konsequenz
Die Lehre von 2006 trägt unverändert: Verlagern — auch an die KI — ist nicht per se falsch. Entscheidend ist die bewusste Entscheidung, was man abgibt und was man als Kompetenz im Haus behält. Wer automatisiert, sollte das zugrunde liegende Wissen sichern, statt es mit der Aufgabe verschwinden zu lassen. Das ist keine Technikfrage, sondern eine des Wissens- und Kompetenzmanagements — und verbindet die KI-Gegenwart mit einer Einsicht, die schon vor zwanzig Jahren galt. Mehr zur Wurzel dieses Gedankens: Wissen verlagern (2006).
Häufige Fragen
Was bedeutet „Wissen verlagern 2.0“? Dass die Logik des Offshorings von 2006 sich bei der KI wiederholt: Wer eine Aufgabe an die Maschine auslagert, riskiert, das zugehörige Wissen zu verlieren — die Verlagerungsfalle kehrt als KI-Automatisierungsfalle zurück.
Warum ist KI-Automatisierung ein Wissensrisiko? Weil mit der Aufgabe auch die Übung verschwindet — und damit das Wissen, wie es ohne die Maschine geht. Eine Organisation verliert so die Fähigkeit, KI-Ergebnisse zu beurteilen.
Sollte man Aufgaben nicht an KI auslagern? Doch — aber bewusst. Entscheidend ist, was man abgibt und welches Wissen man als Kompetenz im Haus behält, statt es mit der Aufgabe verschwinden zu lassen.