Erfahrungswissen

Erfahrungswissen ist praktisches Können, das eine Person durch wiederholtes Handeln erwirbt und das sich nur unvollständig in Regeln, Anleitungen oder Datensätzen niederschreiben lässt. Der englische Fachbegriff Tacit Knowledge (implizites Wissen) geht auf den Chemiker und Wissenschaftsphilosophen Michael Polanyi zurück, der 1966 die vielzitierte Formel prägte, Menschen wüssten mehr, als sie sagen können.

Zusammenfassung

Erfahrungswissen entsteht nicht durch Lesen, sondern durch Handeln unter Anleitung erfahrener Personen – klassisch im Meister-Lehrling-Verhältnis, in der modernen Organisation im Mentoring oder in der gemeinsamen Fehlersuche. Es zeigt sich als Handlungsfähigkeit, nicht als Aussage: Eine erfahrene Maschinenbedienerin erkennt ein beginnendes Problem am Klang, bevor ein Sensor es misst, kann diesen Unterschied aber oft nicht in Worte fassen.

Für Organisationen ist Erfahrungswissen zugleich wertvoll und riskant. Es macht erfahrene Mitarbeitende leistungsfähig, ist aber an ihre Anwesenheit gebunden. Scheiden sie aus – durch Ruhestand, Wechsel oder Krankheit –, geht das Wissen mit ihnen, sofern es nicht vorher in eine andere Form überführt wurde. Das ist der Gegenstand des benachbarten Begriffs Wissensmanagement.

Jean Lave und Etienne Wenger lieferten 1991 mit dem Konzept des situierten Lernens eine einflussreiche Beschreibung, wie dieser Erwerb tatsächlich abläuft: nicht durch isolierte Unterweisung, sondern durch zunehmende Teilhabe an der Praxis einer Gemeinschaft.

Begriffsgeschichte

Polanyis The Tacit Dimension (1966) ist der Ausgangspunkt der modernen Debatte. Polanyi argumentierte gegen eine rein regelbasierte Auffassung von Wissen: Auch Fertigkeiten, die sich vollständig beschreiben ließen, würden von Praktizierenden nicht über die Beschreibung, sondern über wiederholtes Tun erworben – sein Beispiel war das Radfahren, das niemand aus einer Gebrauchsanweisung lernt.

Ikujiro Nonaka und Hirotaka Takeuchi übertrugen die Unterscheidung 1995 in die Managementliteratur und machten implizites gegenüber explizitem Wissen zur Grundlage des SECI-Modells. Damit wurde Erfahrungswissen zum organisatorischen Problem: nicht mehr nur eine philosophische Beobachtung über Können, sondern eine Ressource, die verwaltet werden musste.

Parallel entwickelten Jean Lave und Etienne Wenger die lerntheoretische Seite. Ihr 1991 vorgelegtes Konzept der legitimate peripheral participation beschreibt, wie Neulinge in einer Praxisgemeinschaft (community of practice) zunächst am Rand mitarbeiten und schrittweise zu vollwertigen Mitgliedern werden. Erfahrungswissen wird dabei implizit weitergegeben, ohne dass es als solches benannt werden muss.

Seit den 2010er Jahren gewann die Frage praktische Dringlichkeit durch den demografischen Wandel: In vielen Industrieländern erreichen geburtenstarke Jahrgänge das Rentenalter, während gleichzeitig weniger jüngere Arbeitskräfte nachrücken. Diese Konstellation machte die Sicherung von Erfahrungswissen von einer Randfrage der Organisationsentwicklung zu einem Kernproblem der Personalplanung.

Methodische Grundlagen

Explizierung. Der naheliegendste, aber begrenzte Ansatz besteht darin, Erfahrungswissen in Text, Checklisten oder Prozessbeschreibungen zu überführen. Er funktioniert für Wissen, das sich tatsächlich formalisieren lässt, versagt aber bei dem Anteil, den Polanyi als grundsätzlich nicht vollständig sprachlich fassbar beschrieb.

Soziale Weitergabe. Mentoring, Job-Shadowing und gemeinsame Fehlersuche geben implizites Wissen weiter, ohne es zu explizieren – im Sinne von Nonakas Sozialisation und Lave/Wengers peripherer Teilhabe. Der Nachteil ist Aufwand: Diese Verfahren skalieren nicht über viele Personen gleichzeitig.

Beobachtung und Aufzeichnung. Video-Dokumentation von Arbeitsabläufen, Sensordaten aus Maschinenbedienung oder strukturierte Interviews (etwa nach der Cognitive-Task-Analysis-Methode) versuchen, Muster aus dem beobachtbaren Verhalten erfahrener Personen zu extrahieren, auch wenn diese selbst ihr Vorgehen nicht vollständig beschreiben können.

Musterbasierte Vorhersage. Ein neuerer Ansatz überführt beobachtbare Korrelate von Erfahrungswissen – etwa Sensordaten, die mit dem Urteil erfahrener Techniker übereinstimmen – in statistische Modelle, die ähnliche Muster künftig automatisch erkennen. Das ist der methodische Kern von Predictive Maintenance.

Anwendungsfelder

Produktion und Instandhaltung. Erfahrene Maschinenbediener und Techniker erkennen beginnende Störungen oft vor jedem Messwert – Wissen, dessen Verlust unmittelbare Kosten durch Ausfallzeiten und Fehlproduktion nach sich zieht.

Gesundheitswesen. Erfahrene Pflegekräfte und Ärztinnen entwickeln klinischen Blick, der über protokollierte Diagnosekriterien hinausgeht – ein seit langem diskutierter Fall von Erfahrungswissen mit hohem Einsatz.

Handwerk und Fachkräftemangel. In Berufen mit langer Anlernzeit – etwa Werkzeugbau oder Instandhaltung – wird der Verlust von Erfahrungswissen beim Ausscheiden älterer Belegschaften zunehmend als strukturelles Risiko benannt, nicht nur als individueller Verlust.

Multikulturelle und verteilte Teams. Wo Erfahrungswissen bislang über informelle, sprachlich beiläufige Weitergabe zirkulierte, wird es in sprachlich oder geografisch verteilten Teams schwerer zugänglich – ein zusätzlicher Grund, es systematisch zu erfassen.

Kontroversen und Kritik

Grenzen der Erfassbarkeit. Polanyis Kernthese – dass ein Teil des Wissens grundsätzlich nicht vollständig explizierbar ist – steht in Spannung zu jedem technischen Versuch, Erfahrungswissen vollständig zu digitalisieren. Kritiker werfen Digitalisierungsprojekten vor, diese Grenze zu ignorieren und am Ende nur den explizierbaren Rest zu erfassen, während der eigentliche Kern verloren geht.

Verwechslung mit Erfahrung selbst. Nicht jede lange Betriebszugehörigkeit erzeugt wertvolles Erfahrungswissen; auch eingeübte Fehler können sich als Routine verfestigen. Organisationsforschung mahnt, Erfahrungsdauer nicht unkritisch mit Kompetenz gleichzusetzen.

KI als Ersatz oder Werkzeug. Musterbasierte Vorhersagesysteme werden teils als Ablösung erfahrener Fachkräfte dargestellt, obwohl sie in der Praxis meist auf mit ihrem Urteil trainierten Daten beruhen – sie reproduzieren vorhandenes Erfahrungswissen, statt es zu ersetzen, solange sich die zugrunde liegenden Bedingungen nicht ändern.

Stand 2025/2026

Der demografische Druck – das Ausscheiden geburtenstarker Jahrgänge bei gleichzeitig knapperem Nachwuchs – ist Stand 2025/2026 der wichtigste praktische Treiber, systematisch nach Verfahren zur Sicherung von Erfahrungswissen zu suchen. KI-gestützte Ansätze wie Predictive Maintenance sind dabei ein Werkzeug unter mehreren, kein Ersatz für die soziale Weitergabe.

Quellenangaben

Lave, Jean / Wenger, Etienne, 1991. Situated Learning: Legitimate Peripheral Participation. Cambridge: Cambridge University Press. DOI: 10.1017/CBO9780511815355.
Nonaka, Ikujiro / Takeuchi, Hirotaka, 1995. The Knowledge-Creating Company: How Japanese Companies Create the Dynamics of Innovation.
Polanyi, Michael, 1966. The Tacit Dimension.

← Zurück zur Lexikon-Übersicht