Von der Idee zur Infrastruktur: Die neue Realität der KI-Welt

Künstliche Intelligenz war lange Zeit ein Spiel der Algorithmen. Heute ist sie ein Wettlauf um Rechenleistung. Wer über die größte GPU-Kapazität verfügt, bestimmt die Spielregeln – und damit auch den Zugang zu den besten KI-Modellen, den schnellsten Innovationen und den produktivsten Anwendungen.

Ein Beispiel: Das US-Unternehmen xAI (gegründet von Elon Musk) betreibt seit August 2025 den derzeit weltweit leistungsfähigsten KI-Computer-Cluster: Colossus – ausgestattet mit über 200.000 NVIDIA H100 GPUs. Damit lässt sich ein Modell wie GPT-3 theoretisch in weniger als zwei Stunden trainieren.

Was ist eine GPU – und warum ist sie so wichtig?

Eine GPU (Graphics Processing Unit) ist ein spezialisierter Prozessor, der viele Rechenoperationen gleichzeitig ausführen kann. Genau diese Eigenschaft macht sie zur Grundlage für:

• Deep Learning & neuronale Netze

• KI-Training und -Inference

• Simulationen, Optimierungen & Data Science

Im Gegensatz zur klassischen CPU, die für serielle Rechenoperationen optimiert ist, kann eine GPU tausende Operationen parallel abarbeiten – ideal für die massiven Datenmengen und Modellgrößen in der KI.

Was kann man mit vielen GPUs machen?

Einige Beispiele:

• GPT-4 oder GPT-5 trainieren: Das Training dieser Modelle dauert Wochen – mit mehr GPUs geht es schneller, kosteneffizienter und erlaubt größere Modelle.

• Biotechnologie oder Pharma-Forschung: Simulationen von Molekülinteraktionen brauchen enorme Rechenleistung.

• Bild- und Sprachgenerierung (zB DALL·E, Midjourney): Viele Anfragen parallel erfordern starke GPU-Cluster.

• Autonomes Fahren (zB Tesla Cortex Cluster): Verarbeitung von Sensordaten in Echtzeit.

• Militärische oder sicherheitsrelevante Anwendungen: zB Mustererkennung oder Simulation komplexer Szenarien.

GPU-Kapazität als strategische Kennzahl

Die Anzahl verfügbarer GPUs – insbesondere moderner Modelle wie NVIDIA H100 oder A100 – ist zur Schlüsselgröße für Wettbewerbsfähigkeit geworden. Einige Beispiele:

Was bedeutet das für Unternehmen?

1. KI-Strategien brauchen Hardware-Bewusstsein

Wer KI im Unternehmen etablieren will – sei es für Personalprozesse, Marketingautomatisierung oder Entscheidungsunterstützung – muss wissen, wo die Modelle laufen:

• Lokal?

• In der Cloud?

• Über spezialisierte Anbieter?

Je mehr eigene oder mietbare GPU-Kapazität verfügbar ist, desto schneller und effizienter können KI-Prozesse etabliert werden.

2. Zugang zu GPUs wird zum Wettbewerbsvorteil

Unternehmen wie OpenAI, Meta oder Tesla sichern sich langfristig Zugang zu Millionen GPUs – auch durch eigene Chip-Entwicklung. Für KMU oder Berater:innen bedeutet das:

• Abhängigkeit von Cloud-Anbietern (AWS, Azure, Google Cloud)

• Wachsende Kosten durch steigenden GPU-Bedarf

• Wettbewerbsnachteil ohne gezielte Strategie

3. Infrastrukturkosten steigen – jetzt handeln

Laut Semianalysis verdoppeln sich die Infrastrukturkosten alle 13 Monate. Führungskräfte müssen entscheiden:

• Selbst trainieren oder fertige Modelle nutzen?

• In lokale GPU-Cluster investieren?

• Partnerschaften mit Anbietern aufbauen?

• Zugang zu Open Source + kostengünstiger Rechenleistung sichern?

Handlungsempfehlungen für Führungskräfte

1. Auditieren Sie Ihre aktuelle Rechenleistung.

   • Gibt es lokale GPUs? Wird bereits Cloud genutzt?

   • Welche KI-Modelle laufen wo?

2. Berücksichtigen Sie GPU-Zugänge in Ihrer KI-Roadmap.

   • Beispiel: Open Source + günstige API-Modelle statt alles selbst trainieren

3. Nutzen Sie Partnerschaften & Förderungen.

   • In Österreich zB via KMU.Digital, ERFOLG.plus25, FFG-KI-Förderung

4. Bildungsoffensive intern starten.

   • Verstehen Ihre Führungskräfte den Unterschied zwischen CPU und GPU?

   • Wissen sie, wie Rechenleistung Innovation ermöglicht?

Fazit: Wer führen will, muss rechnen können

Die neue Führungsfrage lautet nicht mehr nur „Was ist unsere KI-Strategie?“, sondern:
„Wie sichern wir uns dauerhaft Zugang zu der Rechenleistung, die wir für unsere KI-Ziele brauchen?“

GPU-Kapazität ist das neue Gold – und nur wer dieses Kapital versteht, kann es auch nutzen.

Die 10 wichtigsten Herausforderungen in Unternehmen für Ki & Wissensmanagement 

Hier sind die 10 wichtigsten Herausforderungen, die Unternehmen und ihre Mitarbeiter im Bereich KI & Wissensmanagement aktuell bewältigen müssen:

1. Kulturelle Akzeptanz von KI im Unternehmen

Mitarbeitende empfinden KI oft als „Bedrohung“ für den Arbeitsplatz oder für ihre Autonomie:

• KI wird oft als Bedrohung statt als Unterstützung gesehen.
• Mitarbeitende befürchten Jobverluste oder den Kontrollverlust über Entscheidungen.
• Lösung: Transparente Kommunikation und gezielte Schulungen zur KI-Nutzung.

Praxisbeispiel:
Ein mittelständisches Produktionsunternehmen führte einen KI-basierten Chatbot für interne IT-Anfragen ein. Zuerst wurde er kaum genutzt. Durch eine Workshop-Reihe mit Live-Demonstrationen, in denen die IT-Mitarbeitenden ihre Aufgaben gemeinsam mit dem Bot erledigten, wuchs das Vertrauen – die Nutzung stieg um 600 % innerhalb von drei Monaten.

2. Qualifikationslücke & KI-Kompetenzen

Viele Mitarbeitende fühlen sich überfordert mit neuen Tools und Begriffen wie Prompt Engineering oder Modell-Training:

• Mitarbeitende benötigen neue digitale und analytische Fähigkeiten.
• Unternehmen müssen Umschulungen und Weiterbildungen anbieten.
• Lösung: KI-Schulungen und „KI Literacy“-Programme für alle Unternehmensbereiche.

Praxisbeispiel:
Ein Dienstleistungsunternehmen im Finanzbereich startete ein internes Weiterbildungsprogramm „KI in 30 Minuten“. Jede Woche wurde ein Use Case erklärt, zB automatisiertes Protokollieren oder die KI-gestützte Voranalyse von Kundendaten. Die Teilnehmenden konnten das Gelernte sofort anwenden – insbesondere Führungskräfte waren begeistert von der Zeitersparnis.

3. Datenqualität & Datenmanagement

Ohne saubere Daten ist jede KI-Initiative wertlos:

• Schlechte oder unstrukturierte Daten begrenzen den Mehrwert von KI.
• Daten-Silos erschweren die Analyse und Automatisierung.
• Lösung: Klare Datenstrategie & Governance-Richtlinien einführen.

Praxisbeispiel:
Ein Bauunternehmen führte eine „Data Clean-up Week“ durch, in der abteilungsübergreifend doppelte, veraltete oder unvollständige Daten aus CRM und Projektmanagementsystemen aufbereitet wurden. Anschließend wurde ein zentraler „Data Owner“ pro Datenbereich benannt. Dadurch konnte eine neue KI zur Angebotskalkulation überhaupt erst erfolgreich trainiert werden.

4. Rechtliche & ethische Herausforderungen

Unsicherheit über DSGVO, Transparenzpflicht und „Bias“-Vermeidung (Bias = systematische Verzerrung oder Voreingenommenheit):

• Datenschutz (DSGVO), KI-Transparenz & Verantwortung sind kritisch.
• Regulierungen werden komplexer und strikter.
• Lösung: KI-Ethik-Guidelines & Compliance-Prozesse entwickeln.

Praxisbeispiel:
Ein Versicherungsunternehmen erstellte mit dem Betriebsrat gemeinsam eine „KI-Ethik-Checkliste“, die vor dem Rollout jedes neuen KI-Tools ausgefüllt werden musste (zB Herkunft der Daten, erklärbare Logik, Feedbackkanäle). Dadurch wurde eine interne Freigabe-Routine etabliert – ohne KI-Blockade.

5. Veränderung von Arbeitsprozessen & Rollen

KI verändert Aufgabenprofile und Verantwortlichkeiten – oft unklar, wie diese sich entwickeln:

• KI automatisiert repetitive Aufgaben, verändert aber auch Job-Profile.
• Neue hybride Arbeitsmodelle zwischen Mensch & Maschine entstehen.
• Lösung: Proaktive Gestaltung von Arbeitsabläufen & Rollenbeschreibungen.

Praxisbeispiel:
Ein Großhändler richtete sogenannte „Job Transition Dialoge“ ein. In diesen Gesprächen analysierten Mitarbeitende gemeinsam mit Führungskräften, welche Aufgaben durch KI ergänzt oder ersetzt werden könnten – und entwickelten neue Rollenbilder. Eine Mitarbeiterin wechselte zB vom Reporting zum Prompt-Coach für das Vertriebsteam.

6. Widerstand gegen Automatisierung

Automatisierung wird als „Entwertung von Erfahrung“ wahrgenommen:

• Mitarbeitende befürchten, dass KI ihre Expertise entwertet.
• Manche Teams sehen Automatisierung als Kontrollverlust.
• Lösung: Mitarbeitende aktiv in die KI-Strategie einbinden & klare Vorteile aufzeigen.

Praxisbeispiel:
In einem Gesundheitsbetrieb wurde die automatische Zusammenfassung von Pflegeberichten eingeführt. Die Pflegenden befürchteten Qualitätsverlust. Nach einer Testphase durften sie selbst entscheiden, ob die KI-Zusammenfassung freigegeben wird. Die Beteiligung am System stieg, nachdem klar war: Mensch entscheidet – KI assistiert.

7. Wissensverlust durch Fluktuation

Implizites Wissen verschwindet bei Austritt – die KI weiß dann nichts davon:

• KI kann Wissen speichern, aber Wissensträger verlassen Unternehmen.
• Gefahr von „verwaisten“ KI-Systemen ohne Experten und Expertinnen, die sie verstehen.
• Lösung: Wissensmanagement-Strategie mit KI zur strukturierten Wissenssicherung.

Praxisbeispiel:
Ein Beratungsunternehmen implementierte ein internes „Wissens-Wiki mit KI-Suche“, in das jeder Projektabschluss automatisch relevante Informationen einspeiste. Vor Kündigungen wurde gezielt ein „Wissenssicherungsgespräch“ mit KI-Unterstützung durchgeführt – Ergebnis: über 80 % des Projektwissens konnte so dokumentiert werden.

8. KI-Bias & unfaire Entscheidungen

Verzerrte Trainingsdaten führen zu falschen Empfehlungen oder Diskriminierung:

• KI kann unbewusst diskriminierende Muster aus Daten übernehmen.
• Verzerrungen (Bias) führen zu ungleichen Chancen oder fehlerhaften Analysen.
• Lösung: Regelmäßige KI-Audits & diverse Trainingsdaten nutzen.

9. Kosten & Wirtschaftlichkeit von KI-Projekten

Hohe Erwartungen treffen oft auf zu große Vorhaben ohne ROI-Nachweis:

• KI erfordert hohe Anfangsinvestitionen und Infrastruktur.
• Der Return on Investment (ROI) ist oft schwer messbar.
• Lösung: Pilotprojekte mit klaren KPIs statt überdimensionierte KI-Strategien.

Praxisbeispiel:
Ein Maschinenbauunternehmen startete mit einem kleinen Projekt: Die automatische Erkennung von Fehlern in Wartungsprotokollen durch GPT. Die Effizienzsteigerung wurde in Euro beziffert – dieses positive Ergebnis wurde als Business Case für ein größeres Projekt genutzt. So entstand ein skalierbarer Investitionspfad.

10. Kontinuierliche Anpassung an KI-Entwicklung

Die KI verändert sich schneller als interne Prozesse hinterherkommen:

• KI-Technologien entwickeln sich rasend schnell.
• Unternehmen müssen flexibel bleiben und regelmäßig adaptieren.
• Lösung: Dynamische KI-Strategie mit laufenden Updates und Tests.

Praxisbeispiel:
Ein KMU aus dem Bildungsbereich richtete ein internes „KI-Radar“-Team ein. Dieses verfolgt neue Entwicklungen (zB neue GPT-Versionen) und testet monatlich, ob bestehende Workflows davon profitieren. Der regelmäßige „AI Friday“ informiert alle Abteilungen kompakt über Neuerungen – mit direkt einsetzbaren Beispielen.

KI verstehen. Chancen nutzen. Zukunft gestalten. Die Herausforderungen rund um Künstliche Intelligenz und Wissensmanagement betreffen heute alle Unternehmensgrößen – vom dynamischen Familienbetrieb bis zum internationalen Konzern. Der Schlüssel liegt in einer klaren, nachhaltigen und menschenzentrierten KI-Strategie.

Sie möchten wissen, wie Sie KI-Tools sinnvoll im Alltag einsetzen oder Ihre eigene KI-Strategie entwickeln können?

Dann lassen Sie uns darüber sprechen.
Ich unterstütze Sie dabei, Potenziale zu erkennen, Mitarbeitende mitzunehmen und KI erfolgreich in Ihre Unternehmensrealität zu integrieren.

Kontaktieren Sie mich gerne direkt für ein unverbindliches Erstgespräch: sabine.woelbl@potenzialfinder.com
www.potenzialfinder.com

Was ist Wissenstransfer?

Wissenstransfer bedeutet, dass Wissen gezielt von einer Person, einem Team oder einer Abteilung an eine andere weitergegeben wird. Ziel ist es, dass wertvolles Wissen nicht verloren geht, sondern aktiv genutzt wird – sei es durch Schulungen, Dokumentationen oder persönliche Gespräche.

Ein effektiver Wissenstransfer stärkt die Zusammenarbeit, Innovation und Resilienz eines Unternehmens.

Zusammenarbeit bzw. Kollaboration beschreibt die Zusammenarbeit zwischen Menschen, um Wissen zu teilen, gemeinsam Lösungen zu finden und neue Ideen zu entwickeln. Erfolgreicher Wissenstransfer ist die Grundlage für eine effektive Kollaboration.

Wichtige Formen des Wissenstransfers:

1. Expliziter Wissenstransfer

→ Dokumentierbares Wissen, zB in Handbüchern, Präsentationen oder Datenbanken.

Beispiel:
Eine Softwareentwicklerin verlässt das Unternehmen. Sie dokumentiert ihre wichtigsten Codestandards, Tools und Projektentscheidungen in einem zentralen Confluence-Wiki, das ihr Team nach ihrem Weggang weiterverwendet.

2. Impliziter Wissenstransfer

→ Erfahrungswissen, das durch Zusammenarbeit und Beobachtung vermittelt wird.

Beispiel:
Ein neuer Vertriebsmitarbeiter begleitet in den ersten Wochen eine erfahrene Kollegin zu Kundengesprächen. Dabei lernt er nicht nur Prozesse, sondern auch Gesprächsführung, Einwandbehandlung und Beziehungspflege.

 3. Automatisierter Wissenstransfer

→ Digital verbreitetes Wissen über KI-gestützte Tools.

Beispiel:
Ein Unternehmen verwendet ein internes Chatbot-System, das Mitarbeitenden zu häufigen Fragen (zB zu Compliance, Urlaubsregelungen, IT) automatisierte Antworten aus der Wissensdatenbank gibt – jederzeit abrufbar.

Wie unterstützt KI den Wissenstransfer?

Künstliche Intelligenz kann den Wissenstransfer beschleunigen, indem sie Wissen automatisch verteilt und dafür sorgt, dass die richtigen Informationen zur richtigen Zeit bei den richtigen Personen landen.

Typische KI-Methoden für Wissenstransfer:
Intelligente Suchsysteme → KI findet relevante Informationen schneller als klassische Suchfunktionen.
Automatische Übersetzung & Transkription → Wissen wird sprachübergreifend zugänglich gemacht.
Empfehlungssysteme → KI schlägt passende Dokumente oder Experten basierend auf individuellen Fragen vor.
Chatbots & digitale Assistenten → KI beantwortet häufig gestellte Fragen und stellt Wissen in Echtzeit bereit.
Adaptive Lernplattformen → KI passt Schulungsinhalte individuell an den Wissensstand der Nutzerinnen und Nutzer an. Beispiel:
Ein Produktionsmitarbeiter durchläuft ein KI-gestütztes E-Learning, das ihm nur die für seine Maschinen relevanten Module zeigt – basierend auf seinem Vorwissen und seiner Rolle.

Durch diese Methoden können Unternehmen sicherstellen, dass Wissen nicht in Silos verschwindet, sondern aktiv im Unternehmen weitergegeben wird.

Wie verbessert KI die Kollaboration?

Effektive Zusammenarbeit erfordert eine gute Vernetzung der Mitarbeitenden und einen schnellen Austausch von Wissen. KI kann dabei unterstützen, indem sie die richtigen Menschen, Dokumente und Ideen miteinander verknüpft.

Typische KI-Methoden für eine gute Zusammenarbeit/Kollaboration:
- Smart Collaboration Tools → KI analysiert Teamdynamiken und schlägt passende Kollegen für gemeinsame Projekte vor. Beispiel:
Ein Tool erkennt, dass zwei Mitarbeitende an ähnlichen Themen arbeiten, aber in unterschiedlichen Abteilungen. Es schlägt ihnen eine Kollaboration vor – inklusive passender Zeitfenster für ein Erstgespräch.
- Virtuelle Meeting-Assistenten → KI fasst Meetings zusammen und erstellt automatische To-Do-Listen.
- Wissensgraphen für Teams → KI stellt Zusammenhänge zwischen Experten, Themen und Dokumenten visuell dar. Beispiel:
Ein neuer Projektleiter sieht auf einen Blick, welche Expert:innen im Unternehmen Erfahrung mit Nachhaltigkeitsthemen haben – durch einen interaktiven Wissensgraphen.

- Automatisierte Feedback- und Innovationsplattformen → KI sammelt Ideen und Vorschläge, bewertet sie und leitet sie an relevante Teams weiter.

Durch den Einsatz von KI wird Kollaboration produktiver, weil weniger Zeit mit Suchen, Abstimmen und Informationsaufbereitung verloren geht.

Warum ist KI für Wissenstransfer und Kollaboration so wertvoll?

• Effizienz → Informationen landen punktgenau und rechtzeitig bei den richtigen Personen.
• Vermeidung von Wissensverlust → Auch wenn Mitarbeitende gehen, bleibt ihr Wissen im System erhalten..
• Personalisierung → Lernangebote und Kontakte werden gezielt vorgeschlagen.
• Kultureller Wandel → Offenheit, Austausch und Lernen werden im Unternehmen gefördert.

KI optimiert den Wissenstransfer und die Kollaboration, indem sie Wissen intelligent verteilt, relevante Kontakte vernetzt und Teams unterstützt – für mehr Effizienz, weniger Wissensverlust und eine bessere Zusammenarbeit.  

Wissensmanagement im KMU –

Teil 8: KI im Wissensmanagement – Wie KMU mit smarten Tools durchstarten

Warum künstliche Intelligenz der nächste logische Schritt im Wissensmanagement ist

Wissen ist die wertvollste Ressource im Unternehmen – doch oft liegt es verstreut in Köpfen, E-Mails oder alten Projektordnern. Klassische Methoden wie OneNote oder Meetings helfen zwar – aber sie stoßen irgendwann an Grenzen. Spätestens dann, wenn es um Skalierung, Aktualität oder Effizienz geht.

Die gute Nachricht: Künstliche Intelligenz (KI) bietet gerade für kleine und mittlere Unternehmen neue, erschwingliche Wege, Wissen intelligent zu erfassen, zu organisieren und bereitzustellen.

Was kann KI im Wissensmanagement leisten?

Warum ist KI besonders interessant für KMU?

• Geringe Einstiegshürden: Viele Tools sind ohne Vorkenntnisse nutzbar

• Skalierbar: Auch kleine Teams profitieren von Automatisierung

• Kosteneffizient: Viele Anwendungen starten kostenlos oder im KMU-Tarif

• Zeitgewinn: Weniger manuelle Dokumentation – mehr Fokus auf Kernthemen

Die 5 besten KI-Tools für Wissensmanagement im KMU

Wie KMU konkret starten können – Schritt-für-Schritt

Schritt 1: Identifiziere repetitive Wissensaufgaben

z. B. „Wie funktioniert die Urlaubsfreigabe?“, „Wo finde ich den Angebotsleitfaden?“

Schritt 2: Wähle ein einfaches KI-Tool

z. B. ChatGPT oder Notion AI – Tools mit schneller Anwendbarkeit

Schritt 3: Dokumentiere 3 häufige Fragen oder Abläufe

Kurz, klar, in Alltagssprache

Schritt 4: Lass die KI strukturieren, formulieren oder clustern

ChatGPT: „Fasse diese 3 FAQ zu einem verständlichen Erklärtext zusammen.“

Schritt 5: Teile die Ergebnisse im Team – und bitte um Feedback

Lernen, verbessern, automatisieren

Konkrete Einsatzszenarien aus der Praxis

Was KI (noch) nicht kann – und wo Menschen unverzichtbar sind

• Kontextualisierung: KI kennt keine internen Beziehungen oder politische Ebenen

• Kultur & Empathie: Vertrauen entsteht durch echten Austausch

• Strategische Ableitung: KI gibt Impulse – Entscheidungen trifft der Mensch

Fazit: KI ist Werkzeug, nicht Ersatz – sie erweitert, beschleunigt und sichert, aber sie ersetzt nicht Führung, Kommunikation und Reflexion.

Voraussetzungen für erfolgreichen KI-Einsatz im KMU

• Offenheit im Team (kein Angst-Thema, sondern Entlastung)

• Datensicherheit prüfen (z. B. keine sensiblen Inhalte in offene Tools geben)

• Pilotprojekte starten, nicht alles auf einmal wollen

• Feedback einholen & iterieren

Praxistipp für Führungskräfte

Starte mit einem „KI-Quick Win“ im Team:
Lass ein wöchentliches Teamprotokoll von Fireflies oder tl;dv aufzeichnen und bitte ChatGPT, eine 5-Zeilen-Zusammenfassung + To-dos zu erstellen.
Der Effekt: Zeitersparnis + Transparenz + höherer Wissensnutzen.

Coachingfrage

Welche Wissensprozesse in deinem Unternehmen könnten durch KI deutlich schneller, besser oder nachhaltiger gestaltet werden?

Jetzt starten: Wissen automatisch sichern & nutzbar machen

Wissensmanagement im KMU –

Teil 7: Die Wissensbilanz als strategisches Tool – Stärken sichtbar machen

Wie Sie das Unsichtbare sichtbar machen – und daraus echte Wettbewerbsvorteile schaffen

Viele kleine und mittlere Unternehmen (KMU) haben starke Teams, gute Kundenbeziehungen und kluge Köpfe. Aber sie wissen es nicht – zumindest nicht strukturiert. Denn all das sind immaterielle Werte: schwer greifbar, aber erfolgsentscheidend.

Mit der Wissensbilanz – Made in Germany gibt es ein standardisiertes Tool, das diese „unsichtbaren“ Ressourcen sichtbar, bewertbar und strategisch nutzbar macht. Und genau darum geht es in diesem Beitrag: Wie Sie mit der Wissensbilanz fundierte Entscheidungen treffen, Stärken erkennen und gezielt entwickeln.

Was ist eine Wissensbilanz?

Die Wissensbilanz ist eine systematische Methode, um die immateriellen Erfolgsfaktoren eines Unternehmens zu analysieren, zu bewerten und mit den Geschäftszielen zu verknüpfen.

Sie basiert auf drei zentralen Kapitalarten:

Ziel ist es, zu zeigen: Wie wirken diese Ressourcen auf den Erfolg des Unternehmens – und wo liegen Potenziale?

Warum ist die Wissensbilanz besonders relevant für KMU?

• Immaterielle Werte sind oft nicht dokumentiert

• Einzelne Personen tragen kritisches Wissen

• Kundenbindung basiert auf informellem Know-how

• Strategien werden meist aus dem Bauchgefühl entwickelt

Die Wissensbilanz bringt Fakten und Transparenz in diese Themen. Sie ist leicht anpassbar, teambasiert und auch ohne große IT sofort einsetzbar.

So funktioniert der Prozess in der Praxis

 Schritt 1: Ziel & Fokus festlegen

• Warum machen wir die Wissensbilanz?

• Geht es um Digitalisierung, Nachfolge, Förderungen oder Strategiearbeit?

Schritt 2: Workshop mit interdisziplinärem Team

• 6–10 Personen (Führung, Mitarbeitende, Schlüsselrollen)

• Moderierter Austausch zu den drei Kapitalarten

• Bewertung der Wirkung auf Erfolgsfaktoren wie Qualität, Innovation, Kundenzufriedenheit

 Schritt 3: Wirkungsmatrix erstellen

Zeigt auf einen Blick: Wo sind wir stark? Wo gibt es Handlungsbedarf?

 Schritt 4: Maßnahmen ableiten

• 3–5 strategische Empfehlungen mit konkretem Umsetzungsplan

Beispiel: Wirkungsmatrix (vereinfacht)

 Interpretation: Strukturkapital hat nur mäßige Wirkung – hier lohnt sich eine Prozessverbesserung oder Systeminvestition.

Die 5 größten Vorteile der Wissensbilanz für KMU

1. Klarheit schaffen über immaterielle Stärken & Schwächen

2. Basis für Entscheidungen liefern – faktenbasiert statt Bauchgefühl

3. Förderungen und Audits besser begründen (z. B. Audit „Familie und Beruf“, KMU.DIGITAL)

4. Strategieentwicklung fokussieren auf das, was wirklich wirkt

5. Team einbinden & Verantwortung teilen

Für wen eignet sich die Wissensbilanz besonders?

• KMU mit Wachstumsschub oder bevorstehendem Generationenwechsel

• Unternehmen mit hohem Dienstleistungsanteil

• Organisationen, die sich auf Förderungen oder Audits vorbereiten

• Führungsteams, die gemeinsam an einer zukunftsfähigen Ausrichtung arbeiten wollen

Tools & Materialien, die die Umsetzung unterstützen

Praxistipp für Führungskräfte

Starte mit einer internen Mini-Wissensbilanz:
Frage 3 Mitarbeitende aus verschiedenen Abteilungen:
„Was sind deiner Meinung nach unsere größten Wissens-Stärken – und wo fehlt uns systematisch Know-how?“
Dokumentiere die Aussagen. Du wirst Muster erkennen!

Coachingfrage

Was wäre, wenn Ihre Wissenspotenziale genauso sichtbar und bewertbar wären wie Ihre Bilanzzahlen – was würde sich ändern?

Jetzt starten: Mit Klarheit zum nächsten Entwicklungsschritt

Du möchtest die Wissensbilanz als Steuerungsinstrument nutzen – strategisch, kompakt und praxisnah?
 Vereinbare jetzt ein Gespräch mit Dr. Sabine Wölbl zur Durchführung einer Wissensbilanz in deinem Unternehmen:
Termin vereinbaren

Wissensmanagement im KMU –

Teil 6: Wissenskultur & Leadership – Wie Führung Wissen lebendig macht

Ohne Führung kein lebendiges Wissen

Struktur, Tools und Prozesse sind wichtig – doch das Herzstück erfolgreichen Wissensmanagements im KMU ist: die Kultur des Teilens und Lernens. Und diese wird – bewusst oder unbewusst – durch Führung geprägt.

Die Art und Weise, wie Führungskräfte mit Wissen umgehen, beeinflusst, ob Mitarbeitende ihr Know-how teilen, voneinander lernen und offen mit Fehlern umgehen – oder ob sie sich zurückziehen, schweigen und still resignieren.

Was bedeutet Wissenskultur?

Wissenskultur bezeichnet die gemeinsamen Überzeugungen, Werte und Verhaltensweisen in einem Unternehmen im Umgang mit Wissen.

Eine gesunde Wissenskultur bedeutet:

• Wissen wird freiwillig geteilt

• Fragen zu stellen ist erwünscht

• Fehler dienen der Weiterentwicklung

• Lernen ist selbstverständlich und sichtbar

In KMUs, wo Strukturen oft familiär und flach sind, hat Kultur direkten Einfluss auf den Alltag – sowohl positiv als auch hemmend.

Was Führungskräfte konkret beeinflussen

Führung ist der stärkste Hebel für Wissenskultur – im Positiven wie im Negativen. Diese fünf Verhaltensweisen machen den Unterschied:

Symptome einer schwachen Wissenskultur

• „Wissen ist Macht“ wird gelebt, nicht hinterfragt

• Fehler werden vertuscht oder auf andere geschoben

• Mitarbeitende teilen nur, wenn explizit gefragt

• Lernen passiert nur in Form von Pflichtfortbildungen

• Wissen wird bei Weggang „mitgenommen“

Führungskräfte, die so handeln, bremsen das Potenzial ihres Teams – oft ungewollt, aber wirkungsvoll.

So gestalten Führungskräfte eine starke Wissenskultur

1. Wissensroutinen etablieren

• Beginne jedes Teammeeting mit der Frage:

  „Was hat jemand aus dem Team in letzter Zeit gelernt, das uns alle weiterbringt?“

• Implementiere einen „Wissensmoment der Woche“ im Intranet oder auf dem schwarzen Brett

2. Fehler als Lernchance nutzen

• Etabliere ein „Lesson Learned“-Format, das auch Fehler wertschätzt

  z. B. monatlich: „Was hat nicht funktioniert – und was haben wir daraus gelernt?“

3. Wissen honorieren, nicht nur Leistung

• Sichtbarkeit für Mitarbeitende schaffen, die Wissen dokumentieren, teilen oder andere unterstützen

• Auch informelles Lernen z. B. in Tandems oder Peer-Coaching sichtbar machen

4. Neue Mitarbeitende aktiv einbinden

• Frage bei Onboarding:

  „Was ist dir beim Lernen aufgefallen? Was fehlt? Was war besonders hilfreich?“

Neue Kolleg:innen sind Wissens-Scouts – sie erkennen Lücken, die Alteingesessene übersehen!

Tools, die eine offene Wissenskultur unterstützen

Der kulturelle ROI von Wissensmanagement

Eine gute Wissenskultur:

• senkt Einarbeitungszeiten

• erhöht die Teamstabilität bei Personalwechsel

• fördert Innovation

• steigert die emotionale Mitarbeiterbindung

Sie ist kein „Soft Skill“, sondern ein strategischer Erfolgsfaktor.

Praxistipp für Führungskräfte

Führe ein 20-Minuten-Format ein: „Wissen teilen am Freitag“
Eine Person aus dem Team teilt, was sie in der Woche gelernt hat. Digital oder analog, freiwillig oder reihum.
Ziel: Kultur sichtbar machen, Vertrauen stärken.

Coachingfrage

Wie oft erleben Ihre Mitarbeitenden, dass Wissen bei Ihnen willkommen ist – auch wenn es unbequem oder unvollständig ist?

Jetzt handeln: Kultur aktiv gestalten – Wissen fördern

Du möchtest in deinem Unternehmen eine lebendige, zukunftsfähige Wissenskultur etablieren?
 Vereinbare jetzt ein Strategiegespräch mit Dr. Sabine Wölbl zur Führungskräfteentwicklung & Wissensführung:
Termin vereinbaren

Wissensmanagement im KMU –

Teil 5: Wissensrisiken & Nachfolge – Wie Sie Know-how-Verlust vermeiden

Wenn der wichtigste Mitarbeitende geht – und niemand weiß, wie es weitergeht

Der plötzliche Ausfall eines langjährigen Kollegen oder die schleichende Pensionierung ohne Wissensübergabe: Für viele KMU ist das ein realistisches Szenario – oft mit ernsten Konsequenzen. Denn in kleinen Teams hängt viel Know-how an einzelnen Köpfen. Wird es nicht gesichert, entsteht ein Risiko, das teuer werden kann.

Ein durchdachtes Wissensmanagement im KMU hilft, solche Risiken frühzeitig zu erkennen – und gezielt zu entschärfen. In diesem Beitrag zeige ich dir, wie du Wissensrisiken systematisch analysierst und die Nachfolge sicher planst.

Was sind Wissensrisiken – und warum sind sie für KMU besonders kritisch?

Wissensrisiken entstehen, wenn:

• Wissen nicht dokumentiert ist

• nur eine Person ein bestimmtes Thema beherrscht

• keine geregelte Übergabe geplant ist

• Wissen nicht regelmäßig geteilt wird

Typische Folgen:

• Verzögerungen in der Auftragsabwicklung

• Qualitätsverlust bei Produkten oder Dienstleistungen

• unzufriedene Kund:innen aufgrund von Kommunikationsbrüchen

• erhöhter Druck auf verbleibende Mitarbeitende

Gerade KMU spüren Wissensverluste sofort – und oft schmerzhaft.

Wie erkennst du Wissensrisiken in deinem Unternehmen?

Die 4 wichtigsten Indikatoren

1. „Nur Max kann das“
   – Wissen ist personenabhängig und nicht dokumentiert.

2. „Das machen wir immer so“
   – Routinen sind nie reflektiert oder überprüft worden.

3. „Da müssen wir erst nachfragen“
   – Wissen ist nicht zugänglich – weder in Tools noch in Prozessen.

4. „Wenn der geht, haben wir ein Problem“
   – Nachfolge ist nicht geregelt oder gar nicht geplant.

Wenn du beim Lesen mehrfach genickt hast: Es ist Zeit zu handeln.

Schritt-für-Schritt zur Wissensrisikoanalyse

Einfach, aber wirksam: Führe eine kleine Risikoanalyse durch – mit dieser Tabelle:

Empfehlung: Beginne mit den „roten Feldern“ – dort, wo kritisches Wissen ohne Dokumentation vorliegt.

Wie gelingt die Nachfolgeplanung im Wissensmanagement?

1. Wissen sichern – bevor der Wechsel erfolgt

• Erfahrungsinterviews durchführen

• Checklisten & Prozessbeschreibungen erfassen

• Video-Tutorials oder Screencasts aufnehmen

 2. Wissen teilen – gezielt und strukturiert

• Wissens-Tandems oder Peer-Learning einführen

• Neue Mitarbeitende begleiten Erfahrene im Tagesgeschäft

• Aufgabenverteilung frühzeitig anpassen

3. Wissen übergeben – mit Plan

• Offizielle Wissensübergabe mit Zeitleiste, Tools & Ansprechpartner:innen

• Review-Termine zur Sicherung der Übergabequalität

• Feedback einholen: „Was fehlt dir noch? Was war besonders hilfreich?“

Tools & Formate, die sich in der Praxis bewährt haben

Das unterschätzte Risiko: ungeplante Karenz, Krankheit, Kündigung

Es geht nicht nur um Pensionierung. Auch ein unerwarteter Krankenstand, Elternzeit oder ein Jobwechsel kann das Unternehmen ins Wanken bringen – wenn Wissen nicht gesichert ist.

Praxistipp für Führungskräfte

Führe eine vertrauliche Mini-Befragung durch:
„Welche Themen oder Abläufe hängen derzeit ausschließlich an dir?“

Dies kann anonym oder offen erfolgen – Hauptsache, es schafft Bewusstsein. Die Ergebnisse nutzt du als Grundlage für konkrete Sicherungsmaßnahmen.

Coachingfrage

Welche Person oder Rolle in deinem Unternehmen trägt erfolgskritisches Wissen – und ist aktuell nicht abgesichert?

Jetzt handeln: Risiken erkennen – Zukunft sichern

Du möchtest einen Überblick über die Wissensrisiken in deinem Unternehmen und konkrete Maßnahmen zur Absicherung entwickeln?
Vereinbare jetzt ein Gespräch mit Dr. Sabine Wölbl zur professionellen Nachfolgeplanung und Wissenssicherung im KMU:
Termin vereinbaren

Wissensmanagement im KMU –

Teil 4: Tools & Methoden für KMU – So gelingt der Einstieg

Warum Wissensmanagement ohne Tools nicht funktioniert – aber zu viele Tools auch nicht

Viele KMU möchten ihr Wissen besser strukturieren, verlieren sich jedoch schnell in komplexen Softwarelösungen oder zeitaufwändigen Dokumentationsvorgaben. Die Wahrheit liegt wie so oft in der Mitte: Wissensmanagement braucht Tools – aber die richtigen, in der richtigen Dosis.

In diesem Beitrag erfährst du, welche niederschwelligen Werkzeuge und Methoden sich bewährt haben, um in KMUs Wissen sichtbar, zugänglich und nutzbar zu machen.

Welche Anforderungen müssen Wissensmanagement-Tools in KMU erfüllen?

Bevor Tools eingeführt werden, ist eines klar: Sie müssen zum Unternehmen passen. Das bedeutet:

• Einfach in der Anwendung

• Schnell einsatzbereit

• Für alle Mitarbeitenden verständlich

• Kostengünstig oder bereits vorhanden

Gerade in kleineren Unternehmen ist das entscheidend – denn kein Tool ersetzt eine gute Wissenskultur, aber es kann sie gezielt unterstützen.

Die 5 wichtigsten Tool-Kategorien für Wissensmanagement in KMU

1. Dokumentation & Wissensspeicherung

2. Erfahrung teilen & implizites Wissen sichern

• Erfahrungsinterviews (mit Transkript + Zusammenfassung)

• Shadowing-Tage: Neue Mitarbeitende begleiten Erfahrene

• Wissenslandkarten: Wer kann was? → Visuell erfassen

3. Visuelle Wissensvermittlung

Tipp: Kurze Videos zu Abläufen sind oft effektiver als PDFs.

4. Wissensroutinen im Alltag

• „Wissens-Check-ins“ im Teammeeting (Was habe ich gelernt?)

• Lessons Learned-Formulare nach jedem Projekt

• interner Newsletter mit monatlichem Wissenstipp

5. KI-gestützte Anwendungen  

• ChatGPT: zum Formulieren, Zusammenfassen, Strukturieren

• Fireflies.ai: automatische Meeting-Protokolle

• Miro: Visuelles Arbeiten mit Wissenslandkarten

Methoden, die in KMU funktionieren – auch ohne Hightech

 Lessons Learned

Nach jedem Projekt: Was lief gut? Was weniger? Was machen wir beim nächsten Mal anders?

 Wissenslandkarten

Visuelle Darstellung: Wer hat welches Wissen? Wo droht Risiko?
→ z. B. als Teamübung auf Flipchart oder digital mit Miro

 Erfahrungsinterviews

Strukturierte Gespräche mit langjährigen Mitarbeitenden
→ z. B. bei bevorstehender Pensionierung oder Stellenwechsel

Lerntandems

Erfahrene und neue Kolleg:innen tauschen regelmäßig Wissen aus
→ Verbindlich geplant, mit klarer Zielsetzung

Die 3 häufigsten Fehler beim Tool-Einsatz

1. Tool ist zu komplex → niemand nutzt es

2. Wissensmanagement wird an IT delegiert → keine Kultur entsteht

3. Alles auf einmal starten → Überforderung

Besser: Klein starten – mit einem erprobten Tool und einer klaren Routine.

So gelingt der Einstieg – Schritt für Schritt

1. Ziele definieren: Wofür soll das Tool helfen? (z. B. Einarbeitung, Projektwissen, Onboarding)

2. 1 Tool auswählen: Start mit geringster Einstiegshürde (z. B. OneNote)

3. Pilotgruppe festlegen: z. B. Team Technik oder Buchhaltung

4. Regelmäßige Anwendung üben: z. B. 1x/Woche Dokumentation

5. Quick Wins sichtbar machen: Wer profitiert, teilt es im nächsten Meeting

Praxistipp für Führungskräfte

Eröffnen Sie ein zentrales Notizbuch oder Wiki mit dem Titel:
„Wissen, das wir behalten müssen“

Jeder im Team darf Einträge machen: Erfahrungen, Hinweise, Tipps. Nach 4 Wochen reflektieren Sie im Team: Was hat sich verändert?

Coachingfrage

Welche Tools werden in Ihrem Unternehmen bereits verwendet – aber nicht zur Wissenssicherung genutzt?

Jetzt starten: Mit wenig Aufwand zu großem Wissensgewinn

Sie möchten mit minimalem Aufwand effektives Wissensmanagement in Ihrem Unternehmen einführen?
👉 Vereinbaren Sie jetzt ein Gespräch mit Dr. Sabine Wölbl zur Auswahl und Einführung passender Methoden & Tools:
📩 Termin vereinbaren

Wissensmanagement im KMU –

Teil 3: Der Wissensmanagement-Zyklus – Mit System zum Erfolg

Warum Wissen ohne System nicht wirkt

In vielen kleinen und mittleren Unternehmen (KMU) wird Wissen eher zufällig „mitgeführt“ – oft durch langjährige Mitarbeitende, mündliche Absprachen und implizite Routinen. Solange alle da sind, funktioniert das. Doch sobald es Personalwechsel, Wachstum oder neue Herausforderungen gibt, wird sichtbar: Wissen ohne System ist Risiko.

Genau hier setzt der Wissensmanagement-Zyklus an. Er bietet eine strukturierte Methode, mit der Unternehmen Wissen systematisch erfassen, entwickeln, sichern und strategisch nutzen können. Und genau das brauchen KMU heute mehr denn je.

Was ist der Wissensmanagement-Zyklus?

Der Wissensmanagement-Zyklus nach Probst et al. ist ein vielfach bewährtes Modell, das die zentralen Prozesse im Umgang mit Wissen beschreibt. Er besteht aus acht Elementen, die sich in drei logische Phasen gliedern:

🧭 1. Zielorientierung: Was wollen wir mit Wissen erreichen?

• Definition von Wissenszielen

• Anbindung an Unternehmensstrategie

• Klarheit über erfolgskritische Wissensfelder

🔄 2. Operative Wissensprozesse: Wie gehen wir mit Wissen um?

1. Wissen identifizieren
   → Was wissen wir? Wer weiß was?

2. Wissen erwerben
   → Woher bekommen wir neues Wissen? (z. B. Schulungen, Neueinstellungen)

3. Wissen entwickeln
   → Wie schaffen wir neues Wissen im Unternehmen? (z. B. durch Innovationen)

4. Wissen bewahren
   → Wie dokumentieren und speichern wir Wissen?

5. Wissen verteilen
   → Wie gelangt Wissen zu den richtigen Personen?

6. Wissen nutzen
   → Wird das vorhandene Wissen in Entscheidungen und Prozessen verwendet?

3. Bewertung: Wirkt unser Wissensmanagement?

• Haben sich unsere Wissensziele erfüllt?

• Wo gibt es Lücken?

• Was bringt den größten Mehrwert?

Warum KMU den Zyklus brauchen

Gerade KMU profitieren vom Wissensmanagement-Zyklus, weil er:

• einfach verständlich ist,

• sofort anwendbar gemacht werden kann,

• und keine teure IT-Infrastruktur voraussetzt.

Er bringt Ordnung in das, was oft unbewusst passiert – und ermöglicht gezielte Verbesserungen, ohne das Rad neu zu erfinden.

Der Zyklus in der Praxis – so geht’s Schritt für Schritt

Typische Fehler bei der Anwendung – und wie man sie vermeidet

1. Ziele nicht definiert
   → Ohne Ziel weiß niemand, was wichtig ist.

2. Zyklus zu kompliziert gedacht
   → Starten Sie pragmatisch mit den wichtigsten zwei bis drei Elementen.

3. Keine Verantwortlichkeit
   → Bestimmen Sie klare Zuständigkeiten für jedes Element.

Tools zur Umsetzung in KMU

• Wissen identifizieren: Kompetenzmatrix, Wissenslandkarte

• Wissen bewahren: OneNote, Confluence, Google Workspace

• Wissen verteilen: interne Newsletter, Video-Tutorials

• Wissen bewerten: kurze Feedback-Schleifen in Retrospektiven oder Mitarbeitergesprächen

Praxistipp für Führungskräfte

Starten Sie mit einer Wissens-Landkarte:
Fragen Sie: „Wer im Unternehmen kennt sich mit Thema X am besten aus?“ – und tragen Sie die Ergebnisse sichtbar zusammen.

Diese einfache Übersicht zeigt schnell, wo Engpässe oder „Wissensinseln“ bestehen – und wo Sie ansetzen können.

Coachingfrage

Welcher Schritt im Wissensmanagement-Zyklus wird in Ihrem Unternehmen derzeit komplett dem Zufall überlassen – und was könnte der erste Schritt zur Veränderung sein?

Jetzt starten: Bringen Sie System in Ihr Wissen

Sie möchten den Wissensmanagement-Zyklus für Ihr Unternehmen nutzbar machen – und konkrete Maßnahmen ableiten?
Vereinbaren Sie jetzt ein Gespräch mit Dr. Sabine Wölbl zur Wissensstrategie für Ihr KMU:
Termin vereinbaren