Das Wissen, das in Rente geht: Warum Unternehmen jetzt ein agentisches Wiki brauchen

Das Wichtigste in Kürze

Bis 2036 überschreiten in Deutschland rund 16,5 Millionen Beschäftigte der Babyboomer-Jahrgänge das Renteneintrittsalter – die Erwerbsbevölkerung schrumpft dadurch um etwa 4,3 Millionen Menschen. Mit jeder dieser Personen verlässt Erfahrungswissen das Unternehmen, das nirgends dokumentiert ist. Ein agentisches Unternehmenswiki auf RAG-Basis macht dieses Wissen abrufbar, bevor es in den Ruhestand geht.

Was ein Unternehmenswiki auf RAG-Basis ist

Ein klassisches Unternehmenswiki ist eine zentrale Wissensdatenbank – Confluence, SharePoint, Notion oder auch nur ein Netzlaufwerk voller Dokumente. Das Problem ist bekannt: Je größer die Sammlung, desto schlechter findet man etwas. Wissen liegt vor, ist aber praktisch nicht zugänglich.

RAG (Retrieval-Augmented Generation, sinngemäß „Antwortgenerierung mit Nachschlagen") verbindet ein Sprachmodell mit genau diesen Dokumenten. Statt aus dem allgemeinen Trainingswissen zu antworten, sucht das System bei jeder Frage die passenden Stellen in Ihren eigenen Unterlagen heraus und formuliert die Antwort auf dieser Grundlage. Wichtig für die Einordnung: Die Firmendaten werden dabei nicht ins Modell „eintrainiert". Sie bleiben in Ihrer Datenbank – aktuell, kontrollierbar und jederzeit änderbar. Das Modell liest sie nur im Moment der Anfrage.

Praktisch heißt das: Ihr Firmenwissen wird durchsprechbar. Eine Frage wie „Wie haben wir 2021 die Sonderabnahme für Kunde Meyer geregelt?" führt nicht mehr zu einer Suche über drei Ordner und zwei Kollegen, sondern zu einer belegten Antwort mit Verweis auf das Quelldokument.

Warum ein agentisches System den Unterschied macht

Ein reines RAG-System schlägt nach. Ein agentisches System handelt. Der Unterschied ist erheblich.

Ein Agent beantwortet nicht nur eine einzelne Frage, sondern zerlegt eine Aufgabe in Schritte und kombiniert dafür mehrere Quellen. Ein Beispiel: „Erstelle ein Angebot für die Anfrage von gestern." Das agentische System zieht die Kundenhistorie, die aktuelle Preisliste und die passende Vertragsvorlage zusammen, prüft frühere Konditionen desselben Kunden und legt einen Entwurf vor. Statt einer Fundstelle liefert es ein Zwischenergebnis.

Der konkrete Nutzen im Betrieb:

Beim Onboarding fragen neue Mitarbeiter das System, statt erfahrene Kollegen aus der Arbeit zu reißen. Die Einarbeitungszeit sinkt, und die Wissensträger werden entlastet.

Die Verfügbarkeit ist durchgehend. „Die Kollegin, die das weiß, ist im Urlaub" entfällt als Blockade – das dokumentierte Wissen ist jederzeit abrufbar.

Die Antworten sind konsistent. Alle im Unternehmen erhalten dieselbe, aktuelle Auskunft, statt je nach Ansprechpartner unterschiedliche Halbwahrheiten.

Und – für viele mittelständische Unternehmen entscheidend – der Betrieb lässt sich mit lokalen Modellen umsetzen. Die Daten verlassen das Haus nicht. Sensibles Firmenwissen wird nicht an einen externen Cloud-Dienst übergeben, sondern bleibt auf der eigenen Infrastruktur.

Das eigentliche Argument: Das Wissen geht in Rente

Die technische Möglichkeit allein überzeugt niemanden. Der Druck kommt aus der Demografie – und er ist konkret.

Die geburtenstarken Jahrgänge zwischen 1954 und 1969 erreichen jetzt das Rentenalter. Bis 2036 überschreiten mehr als 16,5 Millionen Babyboomer die Altersschwelle. Die Erwerbsbevölkerung schrumpft dadurch bis 2036 um rund 4,3 Millionen Arbeitskräfte, weil deutlich weniger junge Menschen nachrücken. Das Zeitfenster für Gegenmaßnahmen schließt sich, während der demografische Druck auf den Arbeitsmarkt wächst.

Für einzelne Regionen ist das keine ferne Statistik. In Brandenburg wird für die nächsten zehn Jahre mit dem Fehlen von 28.000 Fachkräften gerechnet, besonders in Industrie und öffentlichem Dienst.

Das teure Problem dabei ist nicht die unbesetzte Stelle allein, sondern das, was mit der Person verschwindet: das ungeschriebene Wissen. Warum ein bestimmter Prozess so und nicht anders läuft. Wer beim Lieferanten wirklich weiterhilft. Welche Ausnahme bei welchem Kunden vor Jahren vereinbart wurde. Dieses Erfahrungswissen steht in keinem Handbuch – es lebt in Köpfen, und mit dem Renteneintritt geht es verloren.

Ein RAG-gestütztes Wiki ist hier zweierlei: Abrufsystem und Anlass zur Dokumentation. Der Aufbau zwingt dazu, das implizite Wissen zu erfassen, solange die Träger noch im Haus sind. Danach bleibt es abrufbar – für den Nachfolger, der sonst Monate zur Einarbeitung bräuchte, und für alle anderen im Betrieb.

Was das für Sie bedeutet

Der Einstieg ist kein Millionenprojekt. Man beginnt sinnvoll mit einem abgegrenzten Bereich – der Abteilung, in der die nächsten Renteneintritte anstehen – und weitet aus, was sich bewährt.

Die Rechnung ist einfach: Die Dokumentation lohnt doppelt, weil sie Menschen und Maschine zugleich dient. Und das Risiko des Nichtstuns ist real. Der Wissensabfluss passiert leise, über Jahre, ohne Alarmsignal – bis das Wissen an einem Montagmorgen einfach nicht mehr da ist. Wer erst dann anfängt zu dokumentieren, dokumentiert das, woran sich niemand mehr erinnert.

Weiterlesen

Wenn KI im Team arbeitet - Multiagenten-Systeme für den Mittelstand — wie mehrere Agenten eine Aufgabe untereinander aufteilen
Ein Agent, der bleibt: Der Hermes-Agent und lokale KI-Modelle — ein Agent mit Gedächtnis auf eigener Infrastruktur
Gemma 4: Ein weiteres Werkzeug im Kasten — ein offenes Modell für die lokale Wissensdatenbank auf überschaubarer Hardware