Warum Wissen sich nicht einfach in Köpfe hineinfüllen – oder aus ihnen herausziehen lässt
„Könnte man nicht einfach das Wissen aus den Köpfen der Menschen ziehen?“
Diesen Satz habe ich kürzlich in einem KI-Workshop gehört. Nicht zynisch, sondern ganz praktisch: als Ausdruck eines echten organisationalen Bedürfnisses. Implizites Wissen soll gesichert werden. Expertise soll nicht verloren gehen. Onboarding soll schneller funktionieren. KI soll sinnvoll unterstützen.
Und trotzdem lohnt es sich, bei diesem Satz kurz stehenzubleiben. Denn er verrät viel darüber, wie in Organisationen über Wissen gedacht wird: oft so, als sei es etwas, das in Menschen „drin“ ist wie Wasser in einem Behälter – man müsste es nur möglichst vollständig hineinbekommen oder bei Bedarf wieder herausholen.
Genau dieses Bild begegnet mir auch in Lernkontexten immer wieder. Dann wirkt Lernen so, als würde man Menschen mit Wissen „befüllen“: Inhalte rein, speichern, abrufen. Als wären Köpfe Container und Lernen ein logistischer Prozess.
Dabei ist die Vorstellung vom Menschen als leerem Gefäß, das nur mit dem richtigen Inhalt gefüllt werden muss, pädagogisch längst überholt. Schon Maria Montessori beschrieb Anfang des 20. Jahrhunderts Lernen nicht als Befüllung, sondern als einen aktiven, inneren Aufbauprozess. Menschen übernehmen Wissen nicht einfach – sie setzen sich damit auseinander, verknüpfen es mit Erfahrung und entwickeln daraus Verständnis.
Das Problem ist nur: So funktionieren weder Wissen noch Lernen.
Implizites Wissen ist mehr als dokumentierbarer Inhalt
Ein Teil von Wissen lässt sich gut beschreiben: Prozesse, Regeln, Fakten, Standards oder dokumentierte Abläufe. Das ist wichtig – und oft auch die Grundlage dafür, dass Zusammenarbeit skalierbar wird.
Aber genau dort beginnt die Verkürzung. Denn ein großer Teil dessen, was Menschen in ihrer Arbeit wirklich können, liegt eben nicht sauber formuliert und abrufbar „im Kopf“. Es zeigt sich in Erfahrung, situativem Gespür, Urteilsfähigkeit, Timing und im Umgang mit Unsicherheit. Gerade implizites Wissen entzieht sich dabei oft einer einfachen Dokumentation.
Der Philosoph Michael Polanyi hat das in einem oft zitierten Satz verdichtet: „We know more than we can tell.“ Wir wissen mehr, als wir sagen können. Genau darin liegt der Kern des impliziten Wissens: Es ist wirksam, ohne vollständig erklärbar zu sein.
Und das ist mehr als eine theoretische Unterscheidung. Es ist ein praktisches Problem für Organisationen.
Denn wenn Wissen nicht einfach „vorliegt“, kann es auch nicht einfach „entnommen“ werden.
Warum mehr Dokumentation das Problem nicht automatisch löst
Viele aktuelle Versuche setzen genau hier an: Gespräche werden dokumentiert, Meetings transkribiert, Prozesse ausführlicher beschrieben, Wissensdatenbanken mit immer mehr Material befüllt. Die Hoffnung dahinter ist verständlich: Wenn wir nur genug festhalten, wird schon sichtbar, was Menschen wissen.Aber was genau entsteht dadurch eigentlich? Nicht automatisch nutzbares Wissen. Oft entsteht vor allem mehr Text.
Dokumentation ist nicht überflüssig – im Gegenteil. Vieles sollte dokumentiert werden. Nur wird dabei häufig übersehen, dass die bloße Verfügbarkeit von Informationen noch kein Verständnis erzeugt – und schon gar kein Können. Man kann Abläufe beschreiben, Entscheidungen begründen und Vorgehensweisen erklären – und trotzdem bleibt ein Teil dessen, worauf es in der Praxis ankommt, schwer greifbar.
Was in Organisationen dann gesammelt wird, sind häufig Beschreibungen im Nachhinein: Erklärungen, Vereinfachungen, Bruchstücke. Nicht wertlos – aber eben auch nicht identisch mit dem, worauf es in der Praxis tatsächlich ankommt.
Der blinde Fleck: Lernen
Für mich zeigt sich hier ein Muster, das weit über KI hinausgeht.
In vielen Organisationen wird Wissen behandelt, als müsse es nur in Köpfe hinein – und bei Bedarf wieder aus ihnen heraus. Was dabei erstaunlich oft aus dem Blick gerät, ist der menschliche Prozess dazwischen.
Also genau das, was wir Lernen nennen.
Denn Lernen ist nicht das passive Aufnehmen von Inhalten. Es ist ein aktiver Prozess der Auseinandersetzung. Menschen verknüpfen Informationen mit Erfahrungen, Erwartungen, Situationen und Bedeutungen. Erst dadurch wird aus Information überhaupt etwas, das handlungsfähig macht.
Genau hier liegt für mich der blinde Fleck vieler Diskussionen: Wir sprechen über Wissensspeicherung, wo wir eigentlich über Lernprozesse sprechen müssten.
Was das für KI bedeutet
Gerade weil KI aktuell so stark mit Hoffnungen auf Wissenssicherung, Onboarding und Effizienz verknüpft wird, ist diese Unterscheidung wichtig. Denn KI kann immer nur mit dem arbeiten, was ihr zugänglich gemacht wird: Dokumente, Gesprächsprotokolle, Daten, Texte, Regeln, Muster. Das ist nicht wenig. Aber es ist auch nicht „das Wissen der Organisation“.
Wenn ein großer Teil organisationaler Kompetenz implizit, kontextgebunden und erfahrungsbasiert ist, dann greift jede KI-Anwendung zwangsläufig auf ein unvollständiges Abbild zurück. Das heißt nicht, dass KI nutzlos wäre. Im Gegenteil. Sie kann beim Strukturieren, Auffinden, Verdichten und Zugänglichmachen von explizitem Wissen sehr hilfreich sein. Sie kann Einstiegshürden senken und Orientierung geben. Aber sie hebt nicht automatisch das, was sich Menschen über Jahre in Praxis, Zusammenarbeit und Erfahrung erarbeitet haben.
Und vielleicht ist genau das die unbequemere, aber ehrlichere Einsicht: KI scheitert hier nicht zuerst an ihrer Technologie, sondern an unserem verkürzten Verständnis davon, was Wissen überhaupt ist.
Die bessere Frage
Vielleicht sollten Organisationen deshalb eine andere Frage stellen. Nicht: Wie holen wir möglichst viel Wissen aus Köpfen heraus? Sondern: Wie schaffen wir Bedingungen, unter denen relevantes Wissen entstehen, geteilt und weiterentwickelt werden kann?
Diese Frage ist weniger technisch. Weniger skalierbar. Weniger bequem. Aber sie ist vermutlich näher an dem, was Organisationen tatsächlich brauchen.
Denn Wissen ist kein Füllgut. Und Menschen sind keine Speicher.
