Die Beratungsgesellschaft Baumer stellt ihre ersten Erfahrungen mit Expert Debriefing im Kontext von Unternehmensnachfolgen vor. Als Newbies in diesem Bereich haben sie erkannt, dass Wissenstransfer ein kritischer Erfolgsfaktor bei M&A-Transaktionen ist und entwickeln innovative Ansätze, um implizites Wissen von Schlüsselpersonen zu sichern. Trotz besonderer Herausforderungen wie Zeitdruck, Vertraulichkeit und fehlenden Nachfolgern zeigen zwei Praxisbeispiele sowohl die Potentiale als auch die Grenzen des Expert Debriefings in der Unternehmensnachfolge.

Das Expert-Debriefing-Interview ist ein komplexer Kommunikationsprozess, der darauf abzielt, implizites Wissen von ausscheidenden Experten zu explizieren und strukturiert zu übertragen. Dabei sind hilfreiche Fragetechniken, die Vermeidung von No-Go’s und der professionelle Umgang mit sensiblen Informationen entscheidend für den Erfolg. Die Metapher des “Trüffelschweins” beschreibt treffend die Rolle des Moderators, der gezielt nach wertvollen Wissensschätzen sucht.

Dieser Beitrag behandelt die systematische Übertragung von Projektwissen durch strukturierte Debriefing-Prozesse. Der Referent zeigt auf, wie explizites und implizites Wissen aus Projekten extrahiert, dokumentiert und organisationsweit verfügbar gemacht werden kann. Dabei wird das SECI-Modell von Nonaka und Takeuchi als theoretische Grundlage verwendet, um Wissenstransformation zu ermöglichen und eine lernende Projektorganisation zu schaffen.

Diese Session widmete sich der systematischen Sammlung von Erfahrungswerten und bewährten Praktiken im Expert Debriefing Prozess. Durch eine kollaborative Whiteboard-Session wurden Do’s und Don’ts identifiziert, die in zukünftige Versionen des LernOS Expert Debriefing Leitfadens einfließen sollen. Der Fokus lag auf der Erfassung praktischer Erfahrungen aus der Community, um den Referenzprozess kontinuierlich zu verbessern.

Dieser Vortrag präsentiert einen praxisorientierten Werkstattbericht über den Einsatz von Large Language Models (LLMs) in Unternehmen, speziell zur Bewältigung des demografischen Wandels und Wissenstransfers. Das Hauptaugenmerk liegt auf der Entwicklung einer datenschutzkonformen Lösung mittels Embedding Models, die es ermöglicht, interne Unternehmensdaten zu nutzen, ohne diese in externe KI-Systeme zu übertragen oder das zugrundeliegende Modell zu trainieren.

Der Vortrag von Steve Holtel demonstriert praxisnah, wie ChatGPT als intelligentes Werkzeug zur Unterstützung von Expert-Debriefings eingesetzt werden kann. Anhand konkreter Beispiele zeigt er, dass der Chatbot nicht als Ersatz für methodische Expertise fungiert, sondern als kraftvoller Assistent für erfahrene Praktiker, um Dokumente zu analysieren, Interviews vorzubereiten und Wissenslandkarten zu erstellen.

Professor Müller von der Hochschule Ansbach präsentierte innovative Ansätze zur Digitalisierung und Automatisierung von Expert-Debriefing-Prozessen. Mit über 30 Jahren Erfahrung und etwa 1.000 begleiteten Sitzungen zur Wissenssicherung stellte er konkrete Lösungsansätze vor, wie Organisationen dem demografischen Wandel und dem drohenden Wissensverlust durch ausscheidende Mitarbeiter begegnen können. Dabei betonte er die Notwendigkeit einer “Blended-Lösung”, die technische Innovation mit menschlicher Begleitung verbindet.

Das Expert Debriefing hat sich von einem einfachen Wissenstransferprozess zu einem umfassenden System entwickelt, das heute über 950 ausgebildete Moderatoren umfasst und durch KI-Integration neue Dimensionen erreicht. Der Vortrag zeigt die Evolution von den frühen Fallbeispielen bei Audi und Schaeffler bis hin zu modernen digitalen Lösungen und gibt einen Ausblick auf zukünftige Entwicklungen mit Künstlicher Intelligenz.

Wissenstransfer ist ein komplexer Prozess mit vielen Stellschrauben, bei dem Motivation zwar eine zentrale, aber nicht die einzige Rolle spielt. Dr. Laura Rinker von der Universität Hohenheim zeigt auf, dass neben individuellen Motiven wie dem Entwicklungs- und Generativitätsmotiv auch soziale Vergleichsprozesse und organisationale Strukturen entscheidend für erfolgreichen Wissenstransfer sind. Besonders interessant ist der empirische Alterstrend: Während das Entwicklungsmotiv mit dem Alter abnimmt, steigt das Generativitätsmotiv an, was wichtige Implikationen für altersgemischte Teams hat.

Gabi Riedmann de Trinidad stellte in ihrer Session vor, wie Künstliche Intelligenz das Wissensmanagement revolutionieren kann. Sie demonstrierte, wie traditionelle Wissensdokumente und Experteninterviews durch KI in interaktive Micro-Learnings umgewandelt werden können, die an unterschiedliche Skill-Level und Sprachniveaus angepasst sind. Besonders im Kontext des Fachkräftemangels und der zunehmenden Heterogenität in Unternehmen bietet diese Technologie neue Möglichkeiten für effektiven Wissenstransfer.