Interview mit Julian Knorr

Julian Knorr ist Gründer und CEO der ONESTOPTRANSFORMATION AG in Nürnberg, die mittelständische Unternehmen bei KI-Kompetenz, KI-Strategie und Umsetzung begleitet. Er ist Autor des Buches „Erfolgsfaktor Digital Mindset“ und spricht als Keynote Speaker über digitales Mindset und KI-Kompetenzen. Im Interview geht es darum, was KI mit dem Wert von Erfahrung macht, was Menschen kurz vor dem Ruhestand lernen sollten und was Unternehmen tun können, bevor dieses Wissen das Haus verlässt.

Knorr kooperiert mit dem Singener Unternehmen Sentaris, das Fachkräfte im Ruhestand mit Unternehmen zusammenbringt. Sentaris-Mitgründer Oliver Schubotz ist zugleich Geschäftsführer der Marktbande, die Standpunkt.Wirtschaft herausgibt.

Der Wider­spruch

Sie beraten zu KI und kooperieren mit Sentaris. Warum passt das zusammen?

Weil KI keine Wissensquelle ist, sondern ein Verstärker. Sie beschleunigt das, was ein Unternehmen ohnehin kann. Wer wenig Urteilsvermögen im Prozess hat, produziert mit KI schneller mittelmäßige Ergebnisse. Wer viel Erfahrung hat, hebt sie mit KI in eine Skalierung, die vorher nicht möglich war.

Ruheständler*innen bringen genau das mit, was in Sprachmodellen nicht steckt: den betrieblichen Kontext. Warum ein Prozess so läuft. Welcher Kunde welche Zusage vor zwölf Jahren bekommen hat. Woran das letzte vergleichbare Vorhaben gescheitert ist. Das ist kein Widerspruch zur KI-Beratung und -Nutzung, sondern die Voraussetzung, damit KI gute Ergebnisse produzieren kann.

Wir sehen das in Projekten sehr konkret: Die Qualität von KI-Anwendungen hängt weniger am Modell als an der Qualität der Fragen und an der Fähigkeit, Ergebnisse zu bewerten. Beides ist Erfahrungsarbeit.

Woran scheitert KI im Mittelstand tatsächlich?

Selten an der Technologie. Die Werkzeuge sind verfügbar und bezahlbar. Es scheitert an drei Punkten:

• Kompetenz: Mitarbeitende nutzen KI wie eine Suchmaschine. Sie stellen eine Frage, bekommen eine mittelmäßige Antwort und schließen daraus, dass das Werkzeug nichts taugt.
• Prozessklarheit: Wer seine Abläufe nicht beschreiben kann, kann sie auch nicht automatisieren. KI legt organisatorische Unschärfe schonungslos offen.
• Führung: Ohne klaren Rahmen, ohne Priorisierung und ohne sichtbare Nutzung durch die Geschäftsleitung bleibt es bei Einzelinitiativen.

Dazu kommt ein Muster, das wir immer wieder messen: Die Selbsteinschätzung der KI-Kompetenz liegt deutlich über der tatsächlichen Anwendungstiefe. Unternehmen glauben, weiter zu sein, als sie sind.

Oftmals finden wir folgende Situation vor: Ein Ferrari wurde gekauft (ein starkes KI-Tool), nur leider hat keiner einen Führerschein (mangelnde Kompetenz) und weiß auch nicht, was ein Ferrari kann und wie man sich damit anders fortbewegen kann (fehlendes Zielbild und Strategie).

Die These: KI kehrt die Kompetenz-Hier­ar­chie um

Je besser KI wird, desto wertvoller wird Erfahrungswissen. Teilen Sie das?

Weitgehend, mit einer Einschränkung.

Ökonomisch ist die Logik klar: Der Preis eines Gutes fällt, wenn das Angebot steigt. KI erzeugt ein nahezu unbegrenztes Angebot an Standardausführung. Texte, Auswertungen, Codegerüste, Entwürfe. Was knapp bleibt, sind die Fähigkeiten, die nicht skalierbar sind: Kontextwissen, Urteilsvermögen, Verantwortungsübernahme, Vertrauen bei Kunden und im Team.

Die Einschränkung: Erfahrungswissen wertet sich nur auf, wenn es anschlussfähig bleibt. Erfahrung ohne die Bereitschaft, mit neuen Werkzeugen zu arbeiten, wird nicht wertvoller, sie wird unzugänglich. Der Wertzuwachs entsteht an der Schnittstelle, nicht auf einer Seite allein.

Was entwertet KI, was wertet sie auf?

Entwertet wird Werkzeugbedienung als Alleinstellungsmerkmal, z. B. die Formelbeherrschung in der Tabellenkalkulation, das Erstellen von Standardpräsentationen, das Zusammenfassen von Dokumenten, Recherche als reine Sammeltätigkeit. Auch Teile der Programmierung im Sinne von Syntaxbeherrschung.

Aufgewertet hingegen wird:

• Problemdefinition. Die richtige Frage zu stellen ist die neue Schlüsselkompetenz.
• Bewertungsfähigkeit. Erkennen, wann ein plausibel klingendes Ergebnis falsch ist. Das setzt Fachwissen voraus.
• Prozessverständnis. Wissen, wo im Ablauf ein Ergebnis überhaupt hilft.
• Verantwortung und Entscheidung. Ein KI-Modell trägt kein Risiko.
• Beziehungsarbeit. Verhandlung, Konfliktklärung, Vertrauen.

Kurz gefasst: KI entwertet das Wie und wertet das Was und Warum auf. Zudem wird unsere Arbeitswelt durch immer mehr KI menschlicher werden.

Maschinen bekommen Senioritätsgrade, während menschliche Senioren verabschiedet werden. Wie passt das zusammen?

Die Frage zielt auf die Senioritätsgrade bei KI-Agenten ab, die immer öfter eingeführt werden (übrigens auch bei unserem Agentensystem). Die Stufen Junior, Expert und Senior beschreiben bei Agentensystemen den Grad an Autonomie und Kontexttiefe und nicht Lebenserfahrung. Wir übertragen menschliche Metaphern auf Technik, weil sie erklärbar machen, wie viel Verantwortung ein System übernehmen darf.

Interessant ist die Spiegelung: Wir sind bereit, Maschinen Senioritätsstufen zu geben und ihnen dafür Vertrauen einzuräumen. Bei Menschen orientieren wir uns dagegen zunehmend am Geburtsjahr statt an der Stufe. Das ist betriebswirtschaftlich schwer zu begründen. Wenn Seniorität bei Systemen ein Wertversprechen ist, sollte sie es bei Menschen erst recht sein.

Was kann ein Mensch mit 35 Berufsjahren, was KI absehbar nicht kann?

Vier Dinge:

• Stilles Wissen abrufen, ohne es formuliert zu haben. Erfahrene Menschen merken, dass etwas nicht stimmt, bevor sie sagen können, warum.
• Kontext gewichten. Nicht alle Informationen sind gleich wichtig. Diese Gewichtung entsteht aus erlebten Konsequenzen.
• Verantwortung tragen. Eine Entscheidung mit Folgen für Menschen und Bilanz vertreten.
• Vertrauen aufbauen. Über Jahre gewachsene Beziehungen zu Kunden, Lieferanten und Kolleg*innen.

Dazu kommt etwas Unterschätztes: das Wissen über gescheiterte Vorhaben. Modelle sind auf dokumentierten Erfolgen trainiert. Misserfolge werden selten aufgeschrieben. Genau dort liegt der größte Erfahrungsvorsprung.

Was das für die Menschen bedeutet

Ist die niedrige Bedienhürde von KI die Emanzipation der älteren Generation?

In gewisser Weise ja. Denn sie ist die Voraussetzung dafür, dass die ältere Generation sehr einfach (wahrscheinlich so leicht wie bei keiner anderen Technologie jemals) an der neuen Technologie partizipieren kann.

Richtig ist: Wer präzise formulieren kann, kann KI nutzen. Sprachliche Präzision und Strukturierungsfähigkeit sind Kompetenzen, die mit der Berufserfahrung eher zunehmen. Das ist ein realer Vorteil.

Schwierig bleibt jedoch anderes:

• Die Einschätzung, wann ein Modell danebenliegt, obwohl es überzeugend klingt.
• Der Umgang mit dem iterativen Arbeiten. Viele erwarten ein Ergebnis auf Anhieb statt eines Dialogs.
• Die Einordnung, welches Werkzeug wofür taugt.
• Datenschutz und die Frage, was in ein System gehört und was nicht.

Und ein psychologischer Faktor: Wer 30 Jahre Expertin war, empfindet die Anfängerrolle als Zumutung. Diese Hürde ist oft höher als jede technische.

Was raten Sie jemandem mit 63, der als Mentor weiterarbeiten möchte?

Ich würde versuchen, schnellstmöglich meine eigene KI-Kompetenz aufzubauen. Hierzu ein paar praxisnahe Tipps, die sich bei mir, aber auch bei vielen Kunden schon bewährt haben:

• Ein Werkzeug, nicht fünf. Ein Sprachmodell, täglich, für echte Aufgaben aus dem eigenen Alltag.
• Die eigene Fachlichkeit als Prüfstein. Fragen stellen, deren Antwort man kennt. So lernt man die Fehlerarten des Systems kennen.
• Diktieren statt tippen. Die Spracheingabe senkt meines Erachtens die Hürde erheblich.
• Das eigene Wissen strukturiert festhalten. Ein Modell als Interviewpartner nutzen, das die eigene Erfahrung abfragt und ordnet.

Was man (gerade zu Beginn) ignorieren kann bzw. sollte:

• Die wöchentlichen Modellvergleiche und Ranglisten.
• Prompt-Sammlungen aus dem Netz. Der eigene Anwendungsfall schlägt jede Vorlage.
• Programmierkenntnisse mit KI entwickeln.

Wie lange dauert es bis zu einem alltagstauglichen Niveau?

Bei ernsthafter Nutzung: wenige Wochen bis zu einem soliden Anwendungsniveau. Voraussetzung ist tägliche Anwendung an echten Aufgaben, etwa 20 bis 30 Minuten.

Für mich sieht ein realistischer Verlauf wie folgt aus:

• Erste Woche: Grundlogik, erste nutzbare Ergebnisse.
• Nach vier bis sechs Wochen: eigenständige Einbindung in die tägliche Arbeit.
• Nach sechs Wochen bis sechs Monaten: eigene Anwendungsfälle gestalten, andere anleiten.

Der Engpass ist nie die Auffassungsgabe, sondern die bewusste Zeit, die ich mir dafür nehme (oder nehmen darf). Wer keine Zeit im Arbeitsalltag dafür bekommt, lernt es nicht. Das ist eine (Selbst-)Führungsfrage und keine Altersfrage.

Was das für die Unter­nehmen bedeutet

Kann KI implizites Wissen wirklich heben?

Teilweise, und die Unterscheidung ist wichtig.

Was gut funktioniert: Wissen, das prinzipiell artikulierbar ist, aber nie dokumentiert wurde. Ein Modell kann als geduldiger Interviewpartner arbeiten, strukturiert nachfragen, Widersprüche aufdecken und Ergebnisse in eine nutzbare Form bringen. Das ist ein echter Fortschritt gegenüber klassischen Wissensdatenbanken, die daran scheiterten, dass niemand sie pflegte.

Was nicht funktioniert: echtes stilles Wissen im engeren Sinn. Das Gespür, das sich der Sprache entzieht. Wer glaubt, es reiche, alle Dokumente in ein System zu laden, erzeugt tatsächlich vor allem eine Illusion. Er dokumentiert Ergebnisse, nicht Urteilsbildung.

Die Faustregel: KI hebt Wissen, das jemand erzählen könnte, wenn ihn jemand fragte. Sie hebt kein Wissen, das nie in Worte gefasst werden kann. Beides zu unterscheiden, ist die eigentliche Arbeit.

Was ist der erste konkrete Schritt, bevor eine erfahrene Person das Unternehmen verlässt?

Nicht mit der Technologie beginnen, sondern mit der Priorisierung. Konkret:

• Kritikalität bestimmen. Welche Personen verlassen in den nächsten 24 Monaten das Unternehmen, und welches ihrer Wissensgebiete ist nirgends sonst vorhanden? Meist sind das wenige Personen und wenige Themen.
• Strukturierte Wissensinterviews führen. Aufgezeichnet, entlang echter Fälle statt abstrakter Prozessbeschreibungen. Entscheidungssituationen abfragen: Was haben Sie getan, warum, was wäre die Alternative gewesen? (Hierbei kann sehr gut KI zur Protokollierung genutzt werden, bis hin zur automatischen Interviewführung durch KI.)
• Aufbereiten und nutzbar machen. Transkription, Strukturierung, Überführung in ein durchsuchbares System mit Zugriff auf die Unternehmensdaten.
• Die Person selbst prüfen lassen. Sie stellt dem System Fragen aus ihrem Gebiet und korrigiert. Das ist der Qualitätsschritt, den die meisten überspringen.
• Übergabe an Nachfolgende begleiten. Das System ersetzt die Person nicht, es gibt den Nachfolgenden einen Startpunkt.

Der Aufwand pro kritischer Person liegt bei wenigen Tagen. Gemessen an den Kosten eines Wissensverlusts ist das eine gute Investition.

Das Risiko: tech­no­lo­gi­sche Abge­hängt­heit

Wo ist die größere Gefahr, bei den Menschen oder bei den Unternehmen?

Bei den Unternehmen, deutlich.

Ein Mensch, der KI nicht nutzt, verliert Produktivität. Ein Unternehmen, das seine Belegschaft nicht befähigt, verliert Wettbewerbsfähigkeit, und zwar strukturell. Menschen können in Wochen lernen. Organisationen brauchen für den gleichen Schritt Jahre, weil Prozesse, Rollen, Datenhaushalt und Führungskultur mitziehen müssen.

Dazu kommt: Der individuelle Rückstand ist sichtbar und korrigierbar. Der organisatorische Rückstand ist unsichtbar, weil das Tagesgeschäft weiterläuft. Er zeigt sich erst, wenn ein Wettbewerber mit gleicher Mannschaftsstärke doppelt so viel leistet.

Begegnet Ihnen der Selbstausschluss „Das lerne ich sowieso nicht mehr“?

Regelmäßig. Meist nicht als Überzeugung, sondern als Schutz vor Blamage. Aus meiner Erfahrung kann man hier mit folgenden Schritten direkt dagegen arbeiten:

• Ein Erfolgserlebnis in den ersten zehn Minuten. An einer echten eigenen Aufgabe, nicht an einem Beispielfall.
• Peer-Effekte. Wenn eine Kollegin, die seit 30 Jahren im Job ist, im Workshop zeigt, was sie damit macht, wirkt das stärker als jeder Vortrag von uns.
• Die Umkehrung der Rollen. Wir lassen Erfahrene ihr Fachwissen einbringen und die Ergebnisse der KI bewerten. Sie merken, dass sie in dieser Rolle überlegen sind. Das verändert die Selbstwahrnehmung sofort.
• Klarheit über die Erwartung. Niemand muss Expertin werden. Es geht um Anwendung, nicht um Verständnis der Technik.

Was nicht hilft: Druck, Dringlichkeitsrhetorik und Werkzeugvorführungen ohne Bezug zur eigenen Arbeit.

Artikel 4 des EU AI Act verpflichtet Unternehmen, die KI einsetzen, für ausreichende KI-Kompetenz ihrer Mitarbeitenden zu sorgen. Wie ernst wird das genommen?

Ehrlich gesagt uneinheitlich. Ein Teil der Unternehmen behandelt es als Pflichtübung mit einem E-Learning-Modul und einer Teilnahmeliste. Ein anderer Teil nutzt es als Anlass, Kompetenzentwicklung endlich systematisch anzugehen. Der Unterschied liegt mal wieder in der Führung und nicht in der Unternehmensgröße.

Die Anforderung gilt für alle Personen, die im Auftrag des Unternehmens KI-Systeme einsetzen. Ein Ausschluss nach Alter oder Restlaufzeit des Arbeitsverhältnisses ist weder rechtlich gedeckt noch betriebswirtschaftlich sinnvoll. Wer jemanden mit 62 von der Befähigung ausnimmt, nimmt ihn auch von der produktiven Nutzung aus. Das kostet zwei bis drei Jahre Leistung.

Mein Rat: Die Verpflichtung nicht als Dokumentationsaufgabe verstehen, sondern als Anlass für eine Standortbestimmung. Erst messen, wo die Kompetenz tatsächlich steht, dann zielgerichtet befähigen. Alles andere erzeugt Nachweise ohne Wirkung.

Wo steht der südwestdeutsche Mittelstand?

Spannende Frage, ich versuche sie mit meiner Erfahrung aus ganz Deutschland ein bisschen einzuordnen: Meines Erachtens ist er in einer besonderen Lage, mit Stärken und einem spezifischen Risiko.

Die Stärke: Maschinenbau, Medizintechnik und die Hidden Champions verfügen über außergewöhnlich tiefes Prozess- und Anwendungswissen. Sie haben Daten aus Fertigung, Service und Qualitätssicherung, die kein Sprachmodell der Welt hat. Der Rohstoff ist also erstklassig.

Das Risiko: Genau die Ertragsstärke, die diese Unternehmen ausmacht, senkt den Handlungsdruck. Wer profitabel ist, verschiebt Transformation. Dazu kommt eine ausgeprägte Ingenieurskultur, die dazu neigt, Technologie erst dann einzusetzen, wenn sie vollständig verstanden und abgesichert ist. Das ist bei Maschinen richtig. Bei KI führt es zu Verzögerung, weil man lernend vorgehen muss.

Im Vergleich sehe ich weniger ein Nord-Süd- oder Ost-West-Gefälle als ein Gefälle zwischen Unternehmen mit und ohne klare Führungsentscheidung zum Thema KI. Diese Entscheidung ist unabhängig von Region und Branche.

Ausblick

Wie sieht das Unternehmen des Jahres 2030 aus?

Fünf Unterschiede zu heute:

• Erfahrung ist eine eigene Rolle. Es gibt Menschen, die nicht mehr operativ arbeiten, sondern Urteilsqualität sichern. Sie prüfen, was KI-gestützte Prozesse ausgeben, und beraten Jüngere. Teilzeit, oft über die Regelaltersgrenze hinaus.
• Der Übergang in den Ruhestand ist gestaltet. Ausstieg über mehrere Jahre, mit Wissenstransfer als vertraglichem Bestandteil.
• KI ist mittlerweile Infrastruktur und kein Projekt mehr. Kein Innovationsteam mehr, sondern ein KI-Betriebssystem, das Prozesse durchzieht, mit klaren Regeln für Autonomie und menschliche Freigabe. Damit sehen wir im Organigramm neben menschlichen Mitarbeitenden auch KI (ob das dann „Agenten“ heißt oder anders, ist meines Erachtens noch offen).
• Kompetenz wird gemessen wie andere Ressourcen. Unternehmen kennen ihre Kompetenzlandschaft datenbasiert und steuern sie.
• Die Belegschaft ist kleiner in der Ausführung und stärker in der Entscheidung. Weniger Menschen erledigen Standardarbeit, mehr Menschen verantworten Ergebnisse.

Das Entscheidende: Diese Unternehmen behandeln erfahrene Mitarbeitende nicht als Kostenposition, die ausläuft, sondern als Qualitätssicherung für Systeme, die immer mehr Entscheidungen vorbereiten.

Wenn Sie den Unternehmen und den Menschen je einen Satz mit auf den Weg geben dürften – welche wären das?

An die Unternehmen: Prüfen Sie, welches Wissen Ihr Haus in den nächsten drei Jahren verlässt, und beginnen Sie mit den Menschen, die es tragen, statt mit der Technologie.

An die Menschen kurz vor dem Ruhestand: Ihre Erfahrung wird durch KI nicht überflüssig, sie wird knapp. Geben Sie sich vier Wochen mit einem Werkzeug, dann entscheiden Sie neu.

Wen aus Ihrem Netzwerk fänden Sie hörenswert?

Markus Zwingel, CDO der Fürst Gruppe.