Wenn künstliche Intelligenz Informationen in Sekunden aufbereitet, Fälle vergleicht und Lösungsvorschläge entwickelt, liegt eine Frage nahe: Was ist Erfahrung dann noch wert?

Warum jemanden fragen, der zwanzig oder dreißig Jahre in Unternehmen gearbeitet hat, wenn ein System große Mengen dokumentierten Wissens in kurzer Zeit erschließen kann?

Die Frage ist berechtigt. Wer vor allem bekannte Lösungen kennt, Methoden beherrscht und frühere Fälle wiedergeben kann, bekommt starke Konkurrenz.

Aber Erfahrung ist nicht nur gespeichertes Wissen.

Sie zeigt sich auch darin, zu erkennen, wann eine bekannte Lösung nicht passt. Wann eine Zahl in die Irre führt. Wann hinter einer Sachfrage ein anderer Konflikt liegt. Und wann trotz guter Analyse noch keine verantwortbare Entscheidung möglich ist.

Genau dort wird sie im KI-Zeitalter interessant.

Viel erlebt heißt nicht viel gelernt

Eine lange Berufslaufbahn ist noch kein Beleg für gutes Urteil. Man kann viele Jahre arbeiten und dieselben Fehler wiederholen. Man kann erfolgreich gewesen sein, weil die Bedingungen günstig waren. Und man kann an einer Lösung festhalten, die früher richtig war, heute aber nicht mehr trägt.

„Das haben wir immer so gemacht“ erklärt die Vergangenheit. Es begründet noch keine Entscheidung für die Zukunft.

Erfahrung hilft, Muster zu erkennen. Sie kann aber auch dazu führen, Unterschiede zu übersehen. Wer eine Situation sofort wiederzuerkennen glaubt, schaut möglicherweise nicht mehr genau hin.

Daniel Kahneman und Gary Klein haben untersucht, unter welchen Bedingungen man dem Urteil erfahrener Menschen vertrauen kann. Entscheidend sind erkennbare Regelmäßigkeiten und die Möglichkeit, durch Rückmeldungen zu lernen. Sicherheit im eigenen Urteil ist dagegen kein verlässlicher Maßstab für dessen Richtigkeit.

In Unternehmen ist diese Rückmeldung nicht selbstverständlich. Die Folgen einer Entscheidung zeigen sich manchmal spät. Erfolg hat mehrere Ursachen. Führungskräfte hören nicht immer, was schiefgelaufen ist.

Erfahrung wird deshalb nicht dadurch wertvoll, dass man sich auf sie beruft. Sie wird wertvoll, wenn man aus ihr lernt und sie korrigieren kann.

Was wir wissen, ohne es vollständig sagen zu können

„Da stimmt etwas nicht.“

Die Zahlen sehen ordentlich aus. Die Präsentation ist schlüssig. Trotzdem bleibt ein Zweifel. Vielleicht passen Aussagen nicht zusammen. Vielleicht wird eine Frage auffällig oft umgangen. Vielleicht wirkt ein Zeitplan nur deshalb realistisch, weil die Schwierigkeiten der Umsetzung fehlen.

Solche Wahrnehmungen sind kein Beweis. Sie sind ein Anlass, genauer hinzuschauen.

Michael Polanyi beschreibt in „Implizites Wissen“, „daß wir mehr wissen, als wir zu sagen wissen“. Wissen zeigt sich auch in Wahrnehmung und Können, ohne vollständig als Regel formulierbar zu sein.

In der Beratung kann das bedeuten, die entscheidende Nachfrage zu stellen. Zu bemerken, dass eine Geschäftsführung ein Problem umgeht. Oder zu erkennen, warum eine sachlich gute Maßnahme in diesem Unternehmen kaum funktionieren wird.

Das kann aus vielen Begegnungen, Fehlversuchen und Korrekturen entstehen. Es muss sich aber weiterhin prüfen lassen. „Ich spüre das“ reicht nicht, um eine weitreichende Entscheidung zu begründen.

Die hilfreiche Frage lautet:

Was nehme ich wahr – und wie können wir prüfen, ob mein Eindruck stimmt?

Muster erkennen, Unterschiede ernst nehmen

Darin liegt die Erfahrungsfalle: Vertrautes wird vorschnell zur Erklärung des Neuen. Erfahrung beweist ihren Wert deshalb nicht im Wiedererkennen, sondern in der Einordnung.

Ein Unternehmen führt neue Software ein, die kaum genutzt wird. Mehr Schulung liegt als Erklärung nahe. Ebenso möglich sind eine umständliche Software, unklare Zuständigkeiten oder eine Führung, die selbst beim alten System bleibt.

Dieselbe Beobachtung kann auf verschiedene Probleme hinweisen. Erfahrung zeigt sich darin, nicht vorschnell eine bekannte Erklärung zu übernehmen, sondern zu fragen:

Was ähnelt einem bekannten Fall – und was ist hier anders?

Eine frühere Lösung ist ein Ausgangspunkt für die Prüfung, kein fertiger Bauplan.

Wenn die Situation noch offen ist

Nicht jede Aufgabe beginnt mit einem klaren Problem. Die Geschäftsführung sieht ein Kostenproblem, Mitarbeitende ein Führungsproblem, Kunden ein Qualitätsproblem. Alle können teilweise recht haben.

Wenn Informationen fehlen, Ziele widersprechen und Folgen unsicher bleiben, muss zunächst geklärt werden, welches Problem überhaupt bearbeitet werden soll.

Donald Schön nennt das reflektierte Praxis: Fachleute handeln, beobachten und prüfen ihre Annahmen. Für mich liegt darin ein Kern guter Beratung.

Man beginnt mit einer Vermutung, fragt nach und verändert die eigene Einschätzung. Ein begrenzter Versuch klärt mitunter mehr als eine weitere umfassende Analyse.

Erfahrung beseitigt die Unsicherheit nicht. Sie hilft, mit ihr weiterzuarbeiten, ohne vorschnell Gewissheit zu behaupten.

Was KI mit Erfahrung anfangen kann

KI kann helfen, Erfahrungswissen sichtbar und teilweise zugänglich zu machen: Projektberichte vergleichen, frühere Entscheidungen auffinden, Gespräche strukturieren und Wissen sichern, das bisher an einzelne Personen gebunden ist.

Das wird wichtig, wenn erfahrene Mitarbeitende ein Unternehmen verlassen. Das Fraunhofer IFF untersucht im Projekt „AI-Storytelling“, wie sich solches Wissen erfassen, aufbereiten und im Arbeitsalltag bereitstellen lässt.

Das Projekt belegt jedoch nicht, dass sich Erfahrung vollständig übertragen lässt. Ein dokumentierter Fall enthält nicht alles, was Beteiligte wahrgenommen, abgewogen und später verstanden haben.

Die entscheidende Frage lautet:

Was können wir mit KI weitergeben – und was müssen Menschen weiterhin selbst lernen?

Wer Folgen erlebt hat, fragt anders

KI kann mögliche Folgen beschreiben und auf Risiken hinweisen. Sie übernimmt aber nicht die Verantwortung für eine Standortschließung, eine Personalentscheidung oder eine gescheiterte Veränderung.

Klaus Staudacher und Julian Nida-Rümelin begründen diese Grenze mit den Voraussetzungen menschlicher Verantwortung: Vernunft, Freiheit und Autonomie.

Wer die Folgen früherer Entscheidungen erlebt und ausgewertet hat, wird für bestimmte Risiken sensibler: Vertrauen geht schneller verloren, als es wieder aufgebaut wird; formal klare Zuständigkeiten können im Alltag unklar bleiben; gute Ideen können an schlechter Umsetzung scheitern.

Das macht ihn nicht unfehlbar, beeinflusst aber seine Fragen und die Sorgfalt, mit der er Folgen abwägt.

Erfahrung zeigt sich dann nicht in der Zahl der getroffenen Entscheidungen, sondern in der Auseinandersetzung mit ihren Folgen.

Widersprüche verschwinden nicht durch mehr Analyse

In Unternehmen stehen häufig mehrere berechtigte Ziele gegeneinander. Eine KI-Einführung kann Arbeit erleichtern und neue Abhängigkeiten schaffen; eine Reorganisation kann wirtschaftlich notwendig sein und Menschen überfordern.

Analyse macht solche Spannungen sichtbar, löst sie aber nicht. Erfahrung hilft, abzuwägen, ohne die Entscheidung endlos aufzuschieben.

Statt „Das ist die beste Lösung“ lautet die nachvollziehbare Aussage:

Für dieses Ziel halten wir diese Lösung für sinnvoll. Diese Nachteile nehmen wir in Kauf. Diese Risiken beobachten wir.

Urteilskraft zeigt sich nicht darin, jeden Widerspruch aufzulösen, sondern trotz verbleibender Spannungen begründet zu entscheiden.

Erfahrung muss weiterlernen

Erfahrung verliert ihren Wert, wenn sie nichts Neues mehr zulässt. Wer nur auf frühere Erfolge vertraut, unterschätzt die Möglichkeiten von KI; wer jedes neue System vorschnell übernimmt, gibt Bewährtes auf.

Auch erfahrene Menschen müssen prüfen: Wo unterstützt KI meine Arbeit? Was zeigt sie mir, das ich übersehen habe? Und wo passt eine überzeugende Antwort nicht zur Situation?

Weniger erfahrene Menschen brauchen wiederum Maßstäbe, um Ergebnisse zu prüfen. Wenn KI vorbereitende Aufgaben übernimmt, wird deshalb eine Frage wichtiger:

Wie lernen Menschen künftig, Situationen selbst einzuschätzen?

Lernen muss bewusst stattfinden: Empfehlungen prüfen, Annahmen besprechen, Entscheidungen nachverfolgen und Fehler auswerten. Erfahrung entsteht, wenn Handeln, Rückmeldung und Nachdenken zusammenkommen.

Mein Verständnis von Erfahrung

Für mich ist Erfahrung kein Anspruch darauf, recht zu haben.

Sie hilft mir, genauer hinzusehen, nachzufragen und nicht jede Erklärung sofort zu akzeptieren. Sie erinnert mich daran, dass ein Unternehmen nicht nur aus Aufgaben und Kennzahlen besteht, sondern aus Menschen, Beziehungen und einer eigenen Geschichte.

Ich muss nicht jede Situation schon erlebt haben. Wichtiger ist, Gemeinsamkeiten zu erkennen, ohne Unterschiede zu übersehen.

In der Beratung heißt das: Orientierung schaffen, ohne Sicherheit zu versprechen, die es nicht gibt. Verantwortung klären, ohne dem Unternehmen die Entscheidung abzunehmen. Veränderung ermöglichen, ohne ihre Schwierigkeiten kleinzureden.

KI kann dabei Informationen aufbereiten, Alternativen zeigen und meine Annahmen herausfordern.

Sie nimmt mir aber weder die Einordnung noch die Entscheidung ab.

Was bleibt

Als Sammlung fertiger Antworten verliert Erfahrung an Bedeutung. Als Begründung, nichts zu verändern, wird sie zum Hindernis. Wertvoll bleibt sie als reflektierte, lernfähige Entscheidungspraxis.

Sie hilft, Muster einzuordnen, Unsicherheit auszuhalten und Folgen mitzudenken.

Zukunftskompetenz bedeutet nicht, die Zukunft zu kennen, sondern unter veränderten Bedingungen handlungsfähig zu bleiben, die eigene Einschätzung zu prüfen und Verantwortung zu übernehmen.

Entscheidend ist die Frage:

Was lernen wir aus dem Erlebten – und wie gehen wir diesmal vor?

Verwendete Quellen und Literatur

Kahneman, Daniel / Klein, Gary (2009): Conditions for Intuitive Expertise: A Failure to Disagree. In: American Psychologist, 64(6), S. 515–526. DOI: 10.1037/a0016755.

Polanyi, Michael (1985): Implizites Wissen. Übersetzt von Horst Brühmann. Frankfurt am Main: Suhrkamp, suhrkamp taschenbuch wissenschaft 543.

Schön, Donald A. (1983): The Reflective Practitioner: How Professionals Think in Action. New York: Basic Books.

Sengupta, Kishore / Abdel-Hamid, Tarek K. / Van Wassenhove, Luk N. (2008): The Experience Trap. In: Harvard Business Review, 86(2), S. 94–101.

Staudacher, Klaus / Nida-Rümelin, Julian (2020): Philosophische Überlegungen zur Verantwortung von KI: Eine Ablehnung des Konzepts der E-Person. bidt Working Paper Nr. 2. München: Bayerisches Forschungsinstitut für Digitale Transformation. DOI: 10.35067/bv16-2z28.

Fraunhofer-Institut für Fabrikbetrieb und -automatisierung IFF (laufendes Projekt 2025–2028): AI-Storytelling – KI-gestützter Wissenstransfer zur Bekämpfung des Fachkräftemangels. Projektseite: Vom Erfahrungswissen zum digital nutzbaren Know-how. Abgerufen am 21. Oktober 2026.