HR · Fallstudie

Expertenwissen sichern. Onboarding unterstützen.

Erfahrungswissen erschließen und für die Einarbeitung neuer Mitarbeitender zugänglich machen.

Ø 5,4 Monate

Time-to-Productivity neuer Fachkräfte
Ausgangswert: Ø 9 Monate

Illustration: Industriepumpe mit geöffnetem Laufrad und technischen Unterlagen. — Redaktionelle Illustration, keine Aufnahme aus dem Kundenprojekt.

Wirkung im Projekt

Was sich konkret verändert hat.

Vorher / Nachher

Messgröße	Vorher	Nachher	Veränderung
Time-to-Productivity neuer Fachkräfte	Ø 9 Monate	Ø 5,4 Monate	-40 %
Antwortzeit auf Fachfragen	Minuten bis Stunden	Ø 12 Sek	—
Dokumentiertes kritisches Expertenwissen	Ø 30 %	Ø 85 %	+55 pp

Werte aus dem anonymisierten Pilotbetrieb, gerundet. Durchschnitte über die genannte Stichprobe, keine Bestfälle.

So wurde gemessen

Time-to-Productivity

Zeit bis zum Erreichen definierter Kompetenzziele, Vorher-Nachher-Kohorten.

Stichprobe: n = 60 Onboardings
Zeitraum: 12 Monate

Antwortzeit

Zeit von Fachfrage bis belegter Antwort über den Wissensagenten, Logauswertung.

Stichprobe: n = 900 Anfragen
Zeitraum: 8 Wochen

Dokumentationsgrad

Abdeckung der als kritisch eingestuften Wissensbereiche, Experten-Review.

Stichprobe: n = 40 Wissensbereiche
Zeitraum: über den Pilotzeitraum

Der Ausgangspunkt

Was das Team lösen wollte.

Ein Spezialmaschinenbauer sichert das Wissen erfahrener Fachleute vor dem Renteneintritt. Die eluna Automation Platform erschließt Projektarchive und Dokumentation, beantwortet Fachfragen mit Quellenverweis und erstellt personalisierte Lernpfade. Die fachliche Begleitung bleibt beim Menschen.

Einblick 01

Ein Blick auf das Ergebnis

Wir stellen Ausgangswert und Ergebnis nebeneinander, statt nur eine Verbesserung zu behaupten.

Schematische Vorher-Nachher-Ansicht: links verteiltes, implizites Expertenwissen, rechts ein semantischer Wissensgraph mit personalisiertem Lernpfad, belegter Antwort, einem zur Expertenprüfung markierten Punkt und einem Score-Ring für den Dokumentationsgrad. — Anonymisiertes Beispiel: Aus implizitem Wissen werden belegte Antworten und Lernpfade.

Einblick 02

Skill-Gap-Analyse & Dynamisches Onboarding

Die Kombination aus Skill-Gap-Analyse und dynamischem Onboarding sichert den Wissenserhalt in einer alternden Belegschaft und beschleunigt gleichzeitig die Integration neuer Talente. Unternehmen reduzieren die Einarbeitungskosten signifikant und minimieren das Risiko, dass kritisches Know-how mit den Renteneintritten verschwindet. Besonders für Hidden Champions mit hochspezialisierten Nischenprodukten ist dies ein strategischer Wettbewerbsvorteil.

Wissensverlust durch demografischen Wandel stoppen

Der demografische Wandel trifft den deutschen Mittelstand mit voller Wucht: Bis 2030 gehen in der Industrie über 3 Millionen Fachkräfte in Rente, darunter viele Experten mit jahrzehntelangem impliziten Wissen über Produktionsprozesse, Kundenprojekte oder Maschinenanlagen. Gleichzeitig müssen neue Mitarbeiter schneller produktiv werden, um den Fachkräftemangel zu kompensieren. Klassische Onboarding-Programme sind zu statisch und berücksichtigen nicht die individuellen Vorkenntnisse. Das Resultat: Wissenslücken bleiben unentdeckt, kritisches Know-how geht verloren.

Einblick 03

Kompetenzmodelle und Change Management für die Industrie

Vier Prinzipien, mit denen wir implizites Expertenwissen skalierbar und für eluna nutzbar machen.

Wissens-Digitalisierung

Unser Team identifiziert „Tacit Knowledge“ (implizites Wissen) bei Senior-Experten und entwickelt Methoden, um dieses Wissen für die KI-Verarbeitung strukturiert zu digitalisieren.

Kompetenz-Mapping

Definition von Skill-Frameworks und Rollenprofilen als logische Basis für die eluna Automation Platform.

Change Management

Begleitung des Übergangs von analogen Onboarding-Ordnern hin zu einem dynamischen, KI-gestützten Wissensgraphen.

Prozess-Design

Konzeption der Schnittstellen zwischen HR-Software (z.B. Personio) und den Wissensdatenbanken (SharePoint/Confluence).

Einblick 04

Wissensgraphen und KI-Mentoren für den Shopfloor

Die eluna Automation Platform analysiert die Projekthistorien aus Jira, Confluence und SharePoint sowie technische Dokumentationen. Sie erstellt daraus einen semantischen Wissensgraphen, der Zusammenhänge zwischen Kompetenzen, Projekten und Technologien abbildet. Für neue Mitarbeiter generiert sie personalisierte Onboarding-Pläne: „In Woche 3 solltest du dich mit dem Anlagenteil X beschäftigen – hier ist das relevante Handbuch, und bei Fragen kontaktiere Kollegin Y (Expertin für dieses Thema).“ Als „virtueller Mentor“ beantwortet der Agent Fragen in Echtzeit, indem er auf das gesamte dokumentierte Firmenwissen zugreift: inklusive alter E-Mail-Threads, Wartungsprotokolle oder Schulungsunterlagen.

Einblick 05

Was der Agent (noch) nicht macht

Stimme aus dem Projekt

„Das Wissen unserer langjährigen Kollegen verschwindet nicht mehr mit der Rente. Neue Leute finden die Antwort selbst, mit Verweis auf die Quelle, statt jemanden zu unterbrechen.“

Leiterin Personalentwicklung, Spezialmaschinenbau (DACH)

Aussage anonymisiert und vom Kunden freigegeben

Gemeinsam konkret werden

Was davon passt zu Ihrem Prozess?

Wir besprechen Ihre Ausgangslage und prüfen, welche Daten, Regeln und Freigaben für einen ähnlichen Ablauf gebraucht werden.

Sprechen Sie mit uns