Insights
Implizites Wissen in der Produktion mit AI erfassen
In einer Polymerfabrik fällt nachts um zwei Uhr eine Linie aus. Ein Bediener mit neunzehn Jahren Erfahrung in der Fertigung hört dem Extruder zu, verstellt etwas, das im Handbuch mit keinem Wort erwähnt wird, und nach elf Minuten läuft die Linie wieder. Niemand schreibt es auf. Dafür gibt es kein Feld.
Diese elf Minuten gehören zu den wertvollsten Vermögenswerten des Unternehmens, und sie existieren nirgendwo sonst als im Kopf einer einzigen Person. Die Fertigung wusste das schon immer und hat es nie gelöst. Siemens schätzt, dass ungeplante Ausfallzeiten die 500 größten Unternehmen der Welt jährlich rund 1,4 Billionen US-Dollar kosten — etwa 11 % des Umsatzes —, wobei eine Stunde gestoppter Automobilproduktion bei fast 2,3 Millionen US-Dollar liegt. Gleichzeitig prognostizieren Deloitte und das Manufacturing Institute, dass in diesem Jahrzehnt bis zu 1,9 Millionen Stellen in der Fertigung unbesetzt bleiben werden. Die Expertise, die hier zur Tür hinauswandert, stand nie in der Dokumentation. Workshops mit 23 Praktikern aus 14 deutschen Produktionsunternehmen, die diesen Januar veröffentlicht wurden, identifizierten drei Hürden: Das Wissen ist kontextgebunden, seine Erfassung kostet Zeit, die niemand hat, und die Systeme, die es aufnehmen sollen, wurden für Compliance statt zum Nachdenken entwickelt.
Also gaben die meisten Unternehmen das Wissen auf und kauften stattdessen Sensoren. Predictive Maintenance lohnt sich. Aber sie beantwortet nur die schmale Frage — was gleich ausfallen wird — und lässt die schwierige Frage unberührt: Was weiß die Person, die dort steht, eigentlich wirklich?
Etwas hat sich leise verändert: Die Kosten für die Erfassung informellen Wissens sind massiv gesunken. Ein Sprachmodell kann einen unstrukturierten, gesprochenen Bericht über eine Reparatur um zwei Uhr nachts nehmen — halbe Sätze, Dialekt, vage Formulierungen, voller „normalerweise“ und „es sei denn“ — und ihn in etwas Durchsuchbares verwandeln, ohne dabei die Urteilskraft herauszufiltern. Ein europäisches Forschungsteam testet genau das derzeit in einer Polymerfabrik: Bediener protokollieren Störungen als kleine Ursache-Wirkungs-Fälle in ihren eigenen Worten, direkt im Arbeitsablauf statt danach, während die Kuration zentral erfolgt. Strukturiert, nicht bereinigt.
Das ist weniger eine Technologigeschichte als eine Governance-Frage. In dem Moment, in dem die Erfassung billig wird, stellt sich eine Frage, die kein Betriebsleiter jemals zuvor beantworten musste: Wessen Wissen ist das?
Das Risiko der organisationalen Entmenschlichung
Es gibt eine Variante davon, die scheitert. Man zeichnet die Bediener auf, extrahiert die Muster, füttert ein Modell, und der Bediener wird zu einem Trainingsinput. Das ist kein Wissensmanagement. Die Forschung zur organisationalen Entmenschlichung — einschließlich einer im Juli an 581 Befragten validierten Skala, bei der die Instrumentalisierung als einer von zwei klaren Faktoren hervorging — beschreibt genau diese Erfahrung und bringt sie mit geringerem Engagement, höherer Fluktuationsabsicht und reduziertem freiwilligen Einsatz in Verbindung. Wenn man einen Beitrag möchte, ist Instrumentalisierung ein sonderbarer Weg, darum zu bitten.
Und es gibt eine Variante, die funktioniert und sich in einem Detail unterscheidet: Das Wissen behält den Namen seines Autors.
Menschliche Würde als Geschäftsstrategie
Die Bedienerin ist keine Datenquelle. Sie ist der Grund, warum der Fall existiert. Ihr Name bleibt dran. Wenn jemand in der Nachtschicht ein Problem mithilfe ihres Mikro-Falls löst, erfährt sie davon. Wenn sich ihre Methode unter neuen Bedingungen als falsch erweist, wird sie gebeten, sie zu überarbeiten. Der Datensatz wird zu einem Lebenswerk — zu etwas, auf das eine Person stolz sein, worüber sie diskutieren und worauf sie aufbauen kann. Und genau das ist das Verhalten, das das Werk braucht, aber nicht verordnen kann.
Das meinte ich, als ich sagte, menschliche Würde sei eine Geschäftsstrategie und keine Gefühlssache. Urheberschaft ist in diesem Design keine Höflichkeit; sie ist der Mechanismus. Sie verwandelt eine einmalige Extraktion in eine neunzehnjährige Mitwirkende, die sich weiterhin einbringt, und sorgt dafür, dass die Person, die nächstes Jahr dazukommt, von jemandem lernt und nicht von einer Datenbank.
Jedes Unternehmen, das ich mir angesehen habe, besitzt intellektuelles Kapital, das es nicht sehen kann, meistens bei den Menschen, die am weitesten von seiner Dokumentation entfernt sind. Die Werkzeuge, um es zu sehen, sind endlich da. Was noch nicht da ist, ist ein Konsens darüber, was wir den Menschen schulden, deren Wissen wir nun bald lesen können.
Ich vermute, dass diese Frage — und nicht die Technologie — darüber entscheiden wird, wer am Ende tatsächlich davon profitiert.