Risiken des Wissensverlusts durch den Einsatz von Künstlicher Intelligenz in Unternehmen

Das Paradox der KI-gestützten Effizienz: Risiken des Wissensverlusts in Unternehmen

Die Einführung von Künstlicher Intelligenz (KI) in Unternehmen wird oft mit dem Versprechen radikaler Effizienzsteigerungen und Produktivitätszuwächse verbunden. Doch eine aktuelle Untersuchung, durchgeführt von Forschenden der Universität Passau und der Arizona State University, beleuchtet eine potenziell kritische Kehrseite dieser Entwicklung: den langfristigen Wissensverlust in Organisationen. Diese Erkenntnisse sind für Entscheidungsträger in B2B-Unternehmen von erheblicher Relevanz, da sie die Notwendigkeit eines strategischen und bedachten KI-Einsatzes unterstreichen.

Die "doppelte Gefahr" des Wissensverlusts durch KI

Die Studie, deren Ergebnisse in der renommierten Fachzeitschrift "Academy of Management Review" veröffentlicht wurden, identifiziert eine vielschichtige Problematik. Prof. Dr. Jin Gerlach von der Universität Passau, einer der Autoren, spricht von einer "doppelten Gefahr" für den Wissensverlust. Einerseits kann menschliches Wissen durch die zunehmende Automatisierung von Aufgaben und den Einsatz von KI-Systemen schwinden. Dies geschieht, wenn Mitarbeitende, deren Aufgaben von KI übernommen werden, ihr Fachwissen seltener anwenden, es dadurch vergessen oder das Unternehmen verlassen.

Andererseits ist auch das in KI-Systemen durch maschinelles Lernen abgebildete Wissen einem Alterungsprozess unterworfen. KI-Modelle, die auf Vergangenheitsdaten basieren, müssen regelmäßig aktualisiert und an neue Gegebenheiten angepasst werden. Diese Aktualisierung erfordert menschliche Expertise, um Modellvariablen auf Relevanz zu prüfen, Fehlprognosen zu beurteilen und neue Trainingsdaten zu generieren. Wenn jedoch das menschliche Fachwissen, das für diese Aufgaben unerlässlich ist, verloren geht, wird die Aktualisierung und Aufrechterhaltung der KI-Modelle zunehmend erschwert. Dies kann im schlimmsten Fall dazu führen, dass die Qualität der KI-Modelle schleichend und unbemerkt abnimmt.

Menschliche Expertise als Grundpfeiler des KI-Erfolgs

Ein zentrales Ergebnis der Untersuchung ist die Erkenntnis, dass ein langfristig erfolgreicher KI-Einsatz untrennbar mit der Bewahrung menschlicher Expertise verbunden ist. Wenn Mitarbeitende Vorhersagen veralteter KI-Systeme unkritisch übernehmen, kann dies ihr eigenes Urteilsvermögen untergraben und den Wissensverlust weiter beschleunigen. Die Forschenden betonen, dass die Vernachlässigung menschlichen Know-hows nicht nur die Belegschaft schwächt, sondern langfristig auch die Effektivität der eingesetzten KI-Systeme gefährdet.

Die Studie steht im Kontext einer breiteren Diskussion über die tatsächlichen Auswirkungen von KI auf die Produktivität. Obwohl viele Unternehmen Milliarden in KI-Tools investieren, zeigen Umfragen, dass ein signifikanter Teil davon keinen messbaren Produktivitätsgewinn verzeichnet. Dieses "Produktivitätsparadox" erinnert an die Einführung der Computertechnologie in den 1980er Jahren, bei der ebenfalls eine Verzögerung zwischen Investition und sichtbaren Effizienzsteigerungen festzustellen war.

Implikationen für Unternehmen: Strategien zur Wissenssicherung

Für B2B-Unternehmen, die eine nachhaltige und wertschöpfende Integration von KI anstreben, ergeben sich aus diesen Erkenntnissen mehrere Handlungsempfehlungen:

• Bewahrung und Förderung menschlicher Expertise: Unternehmen sollten Strategien entwickeln, um das Wissen erfahrener Mitarbeitender zu sichern und an jüngere Generationen weiterzugeben. Dies kann durch Mentoring-Programme, Wissensmanagement-Systeme und die Schaffung von Anreizen für den Wissensaustausch geschehen.
• Gezielte Qualifizierung und Weiterbildung: Investitionen in die Schulung der Mitarbeitenden im Umgang mit KI-Tools sind entscheidend. Ziel ist es, die Fähigkeit zu entwickeln, KI-Output kritisch zu prüfen, zu korrigieren und sinnvoll in Arbeitsprozesse zu integrieren. Ohne diese Qualifizierung besteht das Risiko, dass KI zu "Workslop" führt – beeindruckend klingenden, aber substanzlosen Ergebnissen.
• Klare Rollenverteilung und Prozessgestaltung: Vor der Einführung von KI-Tools sollten Unternehmen gemeinsam mit ihren Mitarbeitenden klare Regeln für den KI-Einsatz definieren und die Aufgabenverteilung zwischen Mensch und Maschine präzisieren. Dies verhindert eine unkontrollierte Arbeitsintensivierung und die Überschreitung von Kompetenzen.
• Langfristige Perspektive und Realistische Erwartungen: Die Transformation durch KI ist ein langfristiger Prozess. Unternehmen sollten sich von der Erwartung schneller und einfacher Produktivitätsgewinne lösen und stattdessen eine strategische Herangehensweise wählen, die die Neugestaltung von Prozessen und die kontinuierliche Anpassung von Qualifikationsprofilen umfasst.
• Kulturelle Einbettung und ethische Reflexion: Die Einführung von KI muss von einer Unternehmenskultur begleitet werden, die kritisches Denken fördert und die ethischen Implikationen des KI-Einsatzes reflektiert. Dies hilft, "Verständnis-Illusionen" zu vermeiden, bei denen Mitarbeitende glauben, durch KI mehr zu verstehen, als tatsächlich der Fall ist.

Fazit

Die Integration von KI bietet zweifellos immense Potenziale für Unternehmen. Doch die vorliegende Studie verdeutlicht, dass diese Potenziale nur dann voll ausgeschöpft werden können, wenn die Risiken des Wissensverlusts aktiv gemanagt werden. Ein unbedachter oder rein auf Effizienz fokussierter Einsatz von KI kann nicht nur die menschliche Expertise erodieren lassen, sondern auch die langfristige Qualität und Anpassungsfähigkeit der KI-Systeme selbst beeinträchtigen. Unternehmen sind gefordert, eine Balance zwischen technologischer Innovation und der Wertschätzung menschlichen Wissens zu finden, um die Chancen der KI-Revolution nachhaltig zu nutzen.

Bibliography

• Pankau, A. (2026, 3. März). Studie: Langfristiger Wissensverlust durch KI in Unternehmen. t3n.de. Abgerufen von https://t3n.de/news/ki-fuer-mehr-effizienz-forscher-warnt-vor-langfristigem-wissensverlust-in-unternehmen-1731830/
• Universität Passau. (2026, 14. Januar). Digitales Forschungsmagazin: Die KI-Wissensfalle: Wie künstliche Intelligenz zum Wissensverlust in Unternehmen führen kann. Abgerufen von https://www.digital.uni-passau.de/beitraege/2026/studie-zu-wissensverlust-durch-ki
• IDW Online. (2026, 17. Februar). Die KI-Wissensfalle: Wie künstliche Intelligenz zum Wissensverlust in Unternehmen führen kann. Abgerufen von https://idw-online.de/de/news866079
• FR. (2026, 28. Februar). Brisante KI-Studie warnt: „Wir produzieren mehr, aber verstehen weniger“. Abgerufen von https://www.fr.de/wissen/brisante-ki-studie-warnt-wir-produzieren-mehr-aber-verstehen-weniger-zr-94190336.html
• Industr.com. (2026, 19. Februar). KI als Falle: Wie Unternehmen unbemerkt Fachwissen verlieren. Abgerufen von https://www.industr.com/de/ki-als-falle-wie-unternehmen-unbemerkt-fachwissen-verlieren-2905091
• Wald, M. (2026, 19. Februar). Mehr Tools, weniger Output, Firmen rätseln: Das Paradox der KI-Revolution. Business Punk. Abgerufen von https://www.business-punk.com/work/mehr-tools-weniger-output-firmen-raetseln-das-paradox-der-ki-revolution/
• Bäumer, F. (2026, 21. Februar). Studie: Wenn KI nicht weniger, sondern mehr Arbeit macht. tagesschau.de. Abgerufen von http://www.tagesschau.de/wissen/forschung/ki-arbeitsintensitaet-folgen-100.html
• Sichtermann, S. (2026, 21. Februar). „Lage ist dringlich“: Weniger Produktivität durch KI als erwartet – Deutschland verliert den Anschluss. tz.de. Abgerufen von https://www.tz.de/welt/lage-ist-dringlich-weniger-produktivitaet-durch-ki-als-erwartet-deutschland-verliert-den-anschluss-zr-94180486.html
• Kirchner, M. (2026, 10. Februar). Studie: KI-Einsatz führt zu Mehrarbeit statt Entlastung. heise online. Abgerufen von https://www.heise.de/news/Studie-KI-macht-Arbeit-nicht-leichter-sondern-intensiver-11171221.html