Wenn erfahrene Konstrukteure und Ingenieure ein Unternehmen verlassen, geht mit ihnen mehr verloren als eine besetzte Stelle: Wissen über frühere Konstruktionsentscheidungen, geprüfte und verworfene Alternativen, bewährte Lösungen. Dieses Wissen ist selten dokumentiert, weil es im Arbeitsalltag entsteht und mündlich weitergegeben wird.
Wissen im Unternehmen zu halten bedeutet deshalb mehr, als Übergabegespräche zu führen. Ein Großteil des relevanten Wissens steckt nicht in Dokumenten, sondern in den technischen Daten selbst – in CAD-Modellen und der Historie bereits gelöster Konstruktionsaufgaben. Ist dieses Wissen nicht auffindbar, hilft auch das beste Übergabegespräch nur begrenzt.
Der Fachkräftemangel verschärft das Problem: Weniger Nachwuchskräfte stehen einer wachsenden Zahl ausscheidender erfahrener Mitarbeiter gegenüber, gleichzeitig fehlt im Tagesgeschäft oft die Zeit für eine gründliche Wissensübergabe.
Dieser Beitrag zeigt, warum klassisches Wissensmanagement an dieser Stelle an Grenzen stößt, welche Rolle technische Daten bei der Wissenssicherung spielen, und wie Unternehmen Wissen im Unternehmen halten und verteilen können, ohne von einzelnen Personen abhängig zu sein.
Warum geht Wissen im Unternehmen heute so leicht verloren?
Wissen entsteht im Arbeitsalltag und bleibt meist ungeschrieben: Konstrukteure erinnern sich an frühere Projekte und wissen, welche Lösungsansätze sich bewährt haben, ohne dass diese Erfahrung jemals dokumentiert wurde. Solange die Belegschaft stabil blieb, fiel dieser Umstand kaum auf. Mit dem demografischen Wandel und höherer Fluktuation wird er zum konkreten Risiko.
Fachkräftemangel als Auslöser eines stillen Datenproblems
Der Fachkräftemangel wird meist als Personalthema behandelt – fehlende Bewerber, offene Stellen, lange Besetzungszeiten. Weniger im Fokus steht eine zweite Konsequenz: Mit jedem ausscheidenden erfahrenen Mitarbeiter verschwindet ein Teil des technischen Wissens, das nirgends dokumentiert ist.
Für die Konstruktion bedeutet das konkret: Neue Mitarbeiter kennen frühere Projekte nicht, wissen nicht, ob ein vergleichbares Bauteil bereits entwickelt wurde, und treffen Entscheidungen ohne Zugriff auf vorhandenes Erfahrungswissen. Die Folgen sind Doppelentwicklungen, wiederholte Fehler und höherer Zeitaufwand für Aufgaben, die im Unternehmen eigentlich schon einmal gelöst wurden.
Explizites und implizites Wissen – wo der Unterschied liegt
Explizites Wissen lässt sich verschriftlichen: Normen, Handbücher, dokumentierte Prozesse. Implizites Wissen ist dagegen an Erfahrung gebunden – etwa das Gespür dafür, welche Konstruktion in der Fertigung Probleme verursachen wird. Klassische Wissensmanagement-Systeme decken vor allem explizites Wissen ab. Genau das implizite Erfahrungswissen, das den größten praktischen Wert hat, entzieht sich der Dokumentation, weil niemand es aktiv aufschreibt.
Warum klassische Ansätze zur Wissenssicherung oft nicht ausreichen
Strukturierte Übergaben, Mentoring-Programme und Wikis setzen voraus, dass jemand Wissen aktiv formuliert und einträgt. Genau daran scheitern sie häufig in der Praxis:
- Übergabezeiträume reichen selten aus, um relevantes Wissen vollständig weiterzugeben
- Wikis und Dokumentationen veralten, sobald niemand sie konsequent pflegt
- Nicht jedes Wissen lässt sich sinnvoll in Textform festhalten
- Manuelle Dokumentation wird im Tagesgeschäft regelmäßig zurückgestellt
Wissen im Unternehmen halten und verteilen gelingt deshalb nur begrenzt, solange es von der Bereitschaft und Zeit Einzelner abhängt.
Wo Wissen tatsächlich steckt: CAD- und Konstruktionsdaten
Ein erheblicher Teil des relevanten Erfahrungswissens ist bereits vorhanden – nicht als Text, sondern als CAD-Modell oder technische Zeichnung. Jedes entwickelte Bauteil trägt implizit die Entscheidungen in sich, die zu seiner Form geführt haben. Das Problem liegt selten darin, dass dieses Wissen fehlt, sondern darin, dass es nicht auffindbar ist. Ohne gezielte Suchmöglichkeit bleibt es in gewachsenen Datenbeständen ungenutzt liegen.
Wie hilft geometrische Ähnlichkeitssuche bei der Wissenssicherung?
Eine geometrische Ähnlichkeitssuche wie SIMILIA AI von SIMUFORM macht das in CAD-Daten gebundene Wissen wieder zugänglich, indem sie Bauteile anhand ihrer tatsächlichen Form vergleicht statt anhand von Dateinamen oder Klassifikationen. Neue oder weniger erfahrene Konstrukteure können so direkt prüfen, ob ein vergleichbares Bauteil bereits existiert – unabhängig davon, wer es ursprünglich entwickelt hat und ob diese Person noch im Unternehmen ist. Wissenssicherung verschiebt sich damit von einer personenabhängigen zu einer datenbasierten Aufgabe.
Machen Sie vorhandenes Konstruktionswissen durchsuchbar – statt es bei jedem Mitarbeiterwechsel neu zu verlieren.
Wissen geht mit jedem Mitarbeiter verloren?
Onboarding in der Konstruktion beschleunigen
Neue Mitarbeiter benötigen beim Onboarding in der Konstruktion oft Monate, um einen Überblick über bestehende Lösungen und Konstruktionsstandards zu bekommen. Eine durchsuchbare Datenbasis verkürzt diese Einarbeitungszeit, weil relevantes Wissen direkt abrufbar ist statt mühsam erfragt werden zu müssen. Das wiegt umso schwerer, je weniger erfahrene Kollegen für die Einarbeitung zur Verfügung stehen.
Voraussetzungen für eine nachhaltige Wissenssicherung
Damit technische Daten tatsächlich als Wissensspeicher funktionieren, sollten folgende Punkte erfüllt sein:
- Die Suche funktioniert unabhängig vom ursprünglichen Ersteller oder von Dateinamen
- Ähnliche Bauteile sind auch ohne einheitliche Klassifikation auffindbar
- Die Lösung lässt sich in bestehende Systeme wie CAD, PDM oder ERP integrieren
- Die Nutzung ist so einfach, dass sie im Arbeitsalltag tatsächlich stattfindet
Erst wenn diese Punkte erfüllt sind, wird aus einem Datenbestand ein nutzbarer Wissensspeicher.
Fazit: Wissen im Unternehmen halten beginnt bei den Daten
Der Fachkräftemangel macht sichtbar, was in vielen Unternehmen schon länger ein Problem war: Wissen ist zu stark an einzelne Personen gebunden. Verlassen diese Personen das Unternehmen, verschwindet Wissen, das eigentlich hätte bleiben können.
Wissen im Unternehmen zu halten und zu verteilen gelingt nachhaltig nur, wenn es nicht allein von individueller Dokumentationsbereitschaft abhängt. Technische Daten, die in Unternehmen ohnehin bereits vorhanden sind, bieten dafür eine bislang oft ungenutzte Grundlage – vorausgesetzt, sie werden auffindbar gemacht, etwa durch eine geometrische Ähnlichkeitssuche wie SIMILIA AI.
Unternehmen, die diesen Zusammenhang erkennen, sichern nicht nur Wissen, sondern reduzieren gleichzeitig Doppelentwicklungen und verkürzen die Einarbeitung neuer Mitarbeiter. Wissen im Unternehmen halten wird damit vom Nice-to-have zur strategischen Notwendigkeit.
