Der digitale Zwilling von Ralf: Wie die Mainzer Stadtwerke Erfahrungswissen sichern
mit Yanic Berthes, Wissensmanager und KI-Beauftragter bei den Mainzer Stadtwerken
Darum geht's in dieser Folge
Ein Mitarbeiter der Mainzer Stadtwerke geht bald in Rente. Mit ihm droht Wissen über jene Prozesse zu verschwinden, für die er seit Jahren verantwortlich ist. Das Unternehmen hält deshalb seine Erklärungen und Gedankengänge fest und macht sie einem KI-Agenten zugänglich.
Yanic Berthes erklärt, wie dieser digitale Zwilling entsteht, was er bereits kann und wo seine Grenzen liegen. Der Fall erzählt zugleich von einer längeren Entwicklung: vom ersten Wiki, das ein überlastetes SAP-Team entlasten sollte, bis zu einer KI, die Erfahrungswissen im Arbeitsalltag verfügbar macht. Und er zeigt, warum Technik dabei erst der letzte Schritt ist.
Yanic Berthes ist KI-Beauftragter bei den Mainzer Stadtwerken. Er beschäftigt sich mit der Frage, wie Unternehmen das Wissen ihrer Mitarbeitenden bewahren können. Besonders im demografischen Wandel sieht er Anlass, den Wissenstransfer neu zu denken und ihn mit KI-Unterstützung zukunftsfähig zu machen. Sein Weg führte von der Ausbildung zum Industriekaufmann über ein berufsbegleitendes BWL-Studium an die Schnittstelle von Wissensmanagement und künstlicher Intelligenz.
Das lernen Sie in dieser Folge
- Warum eine KI nur dann nützlich antworten kann, wenn Wissen zuvor strukturiert erfasst und aktuell gehalten wurde
- Wie sich Erfahrungswissen mit Audioaufnahmen, Transkripten und Prozessvideos für einen KI-Agenten sichern lässt
- Weshalb neben dem Idealprozess auch Fehler, Ausnahmen und die dazugehörigen Entscheidungen dokumentiert werden müssen
- Wie Unternehmen Mitarbeitende und Führungskräfte für das Teilen von Wissen gewinnen und KI schrittweise einführen
Sie möchten die wichtigsten Erkenntnisse regelmäßig kompakt aufbereitet erhalten? In unserem Newsletter fassen wir die zentralen Learnings aus den Podcastgesprächen zusammen und ordnen sie für die Praxis ein.
Das Fundament
Neun Jahre Wissensmanagement, dann kam die KI
Vor neun Jahren fiel Yanic Berthes bei den Mainzer Stadtwerken auf, dass im SAP-Team ständig das Telefon klingelte. Kolleg*innen hatten Fragen zu technischen Systemen und einzelnen Abläufen in SAP; die Fachleute kamen kaum noch zu ihrer eigentlichen Arbeit.
Berthes suchte nach einer Lösung, die wiederkehrende Anfragen bündelt und das SAP-Team dauerhaft entlastet. Er stieß auf Confluence und legte ein Wiki an, in dem Mitarbeitende Antworten selbst nachschlagen konnten.
Dieses erste Wiki wurde zum Ausgangspunkt eines Wissensmanagements, das über Jahre wuchs: Hinzu kamen die Betriebsdokumentation, Einkaufs- und Beschaffungsrichtlinien sowie Handbücher, in denen Abteilungen ihr Onboarding und ihre Routinen festhalten.
Künstliche Intelligenz spielte dabei zunächst keine Rolle. Gerade deshalb erwies sich die langjährige Vorarbeit später als wertvoll: Als mit Microsofts Copilot das erste LLM-Modell hinzukam, lagen bereits umfangreiche und strukturierte Wissensbestände vor, an die sich KI-Werkzeuge anschließen ließen.
Heute haben etwa 2.000 Mitarbeitende Zugang. Für Berthes gilt: „Am Ende ist eine KI nur so stark wie die Daten- und Informationsgrundlage ist – oder, sagen wir, die Wissensgrundlage.“
Wer eine solche Grundlage bereits besitzt, kann KI vergleichsweise schnell produktiv nutzen. Wer erst heute mit dem Sammeln und Ordnen beginnt, braucht Geduld. „Wenn man jetzt erst anfängt, dieses Wissen zu sammeln, dann dauert es erst mal“, sagt Berthes.
Der Use Case
Der Weg zum digitalen Zwilling
Was eine solche Wissensbasis praktisch leisten kann, zeigt der Fall Ralf. Der Mitarbeiter der Mainzer Stadtwerke geht bald in Rente; seine Stelle wird nicht neu besetzt, ein Kollege übernimmt die Aufgaben. Damit dessen Erfahrung nicht mit dem letzten Arbeitstag verloren geht, entsteht aus Ralfs Wissen ein digitaler Zwilling.
Ralf spricht seine Gedankengänge in die Aufnahme-App seines Smartphones. Das Team zeichnet zudem per Video auf, wie er sich durch SAP und Excel-Listen bewegt; einzelne Arbeitsschritte zeigt er dem Kollegen, der seine Aufgaben übernimmt. Die Aufnahmen werden in SharePoint gespeichert.
Die Struktur dahinter ist erstaunlich schlicht. „Wir haben das einfach nach den Prozessen sortiert, für die Ralf verantwortlich ist“, sagt Berthes. „Die KI versteht die Sinnhaftigkeit hinter dem Prozess.“
Ein erster Prototyp greift auf drei bis vier Prozesse zu und funktioniert nach Berthes‘ Einschätzung erstaunlich gut. Wer bei einer Aufgabe nicht weiterkommt, kann den Agenten fragen und erfährt, wie Ralf in einer ähnlichen Situation vorgegangen ist.
Dabei soll der Zwilling nicht nur sein Wissen wiedergeben, sondern auch etwas von seiner Art zu erklären. Berthes beobachtete, wie Ralf spricht und scherzt, und gab dem Agenten diese Eigenschaften über den Masterprompt mit. Auch Ralfs Aufnahmen verraten der KI etwas über den Menschen hinter den Prozessen.
Doch das Gegenbeispiel zeigt, was eine KI nicht wissen kann. Bei einem Prozess aus der IT-Abrechnung war zwar der ideale Ablauf dokumentiert, nicht aber dessen Abweichungen. „Sobald eine Abweichung von diesem Idealprozess stattfindet, kann die KI damit nicht umgehen“, sagt Berthes. Seine Lehre daraus: Auch Fehler, Ausnahmen und die Überlegungen, die zu einer Entscheidung führen, müssen erfasst werden. Gerade sie werden im Arbeitsalltag wieder gebraucht.
Die Stadtwerke haben deshalb ausgewertet, welche Mitarbeitenden in den kommenden fünf Jahren in Rente gehen. Ein digitaler Zwilling ist dennoch nicht automatisch die richtige Antwort. Entscheidend ist, welches Wissen verloren gehen könnte und ob der betreffende Prozess weitergeführt, verbessert oder automatisiert werden soll. Mal hilft ein KI-Agent, mal ist ein neu gedachter Ablauf die bessere Lösung.
Kultur, Struktur, KI
Warum KI erst am Ende eingesetzt wird
Was KI-Agenten heute abrufen können, ist über Jahre entstanden. Ihr Nutzen beginnt deshalb nicht mit einem neuen Werkzeug, sondern mit der Bereitschaft, Wissen zu teilen, und mit der Zeit, es geordnet festzuhalten.
Berthes sieht dafür drei Wege: Ein stark ausgelastetes Team dokumentiert aus eigenem Interesse, weil wiederkehrende Fragen dann seltener werden. Eine Führungskraft schafft ausdrücklich Zeit und Ressourcen. Oder Auszubildende und Werkstudierende führen Interviews, halten Prozesse fest und lernen dabei selbst viel über das Unternehmen. KI kann diese Arbeit inzwischen unterstützen; sie ersetzt sie aber nicht.
Der konkrete Nutzen muss für die Mitarbeitenden sichtbar sein. Wer eine Antwort einmal verständlich dokumentiert, muss dieselbe Frage nicht immer wieder beantworten. Und wer mit einem guten Beispiel zeigt, was ein KI-Agent im Alltag erleichtert, weckt eher Interesse als mit einer abstrakten Anweisung.
Manche Mitarbeitende fürchten, sich durch das Teilen ihres Wissens ersetzbar zu machen. Berthes beobachtet das Gegenteil: Sichtbares Wissen macht erst erkennbar, was jemand leistet. „Die Leute werden teilweise sogar noch wertvoller für das Unternehmen.“ Ähnlich sei es mit KI: Sie ist ein Werkzeug – und wer es sinnvoll bedienen kann, erweitert die eigenen Möglichkeiten.
Berthes versucht deshalb nicht, den Fachbereichen Verbesserungen von außen zu verordnen. Er schafft Beispiele, die für sich sprechen. „Ich habe versucht, Leuchttürme zu schaffen, sodass die Abteilungen die Optimierungspotenziale bei sich selbst erkennen.“ Inzwischen melden sich Fachbereiche mit eigenen Ideen bei ihm.
Für Unternehmen, die jetzt beginnen, ergibt sich daraus eine klare Reihenfolge: zuerst eine Kultur schaffen, in der Wissen geteilt wird; dann kritisches Wissen identifizieren, strukturiert erfassen und aktuell halten; anschließend Führungskräfte einbinden und Ressourcen sichern. Erst danach kommt die KI – nicht als Abkürzung, sondern als Werkzeug, das die geleistete Vorarbeit nutzbar macht.
Weitere Themen im Podcast:
- Wie die Mainzer Mobilität mit KI prognostiziert, in welchen Monaten mehr Fahrpersonal ausfällt
- Warum streng vertrauliche Daten bislang nicht angedockt sind und was eine souveräne KI ändern soll
- Welches Ziel Yanic Berthes für die nächsten Jahre verfolgt und warum er dabei an jeden einzelnen Mitarbeitenden denkt