Wissensverlust: Warum der Abgang deines besten Mitarbeiters mehr kostet als sein Gehalt

Markus weiß, warum der Kunde in Stuttgart die Auftragsbestätigungen immer in einem bestimmten Format braucht. Er weiß, dass die ERP-Migration von 2019 einen Datenquirk hinterlassen hat, der die Quartalsberichte zerschießt — es sei denn, man exportiert zweimal. Er weiß, welcher Lieferant tatsächlich ans Telefon geht und bei welchem man erst den Abteilungsleiter in CC nehmen muss.

Markus hat gerade ein Angebot einer anderen Firma angenommen. Sein letzter Tag ist in vier Wochen — die Kündigungsfrist läuft.

Deine Personalabteilung rechnet schon die Recruiting-Kosten durch. Die eigentliche Zahl fehlt komplett.

Das Gehalt ist der günstige Teil

Jede HR-Abteilung kennt die Cost-per-Hire. Die liegt in Deutschland laut Studien zwischen 4.000 und 6.000 Euro. Klingt machbar. Ist aber fast irrelevant.

Die tatsächlichen Kosten einer Neubesetzung umfassen die Rekrutierung, die Einarbeitungszeit, den Produktivitätsausfall, die Mehrbelastung für das restliche Team — und das Erfahrungswissen, das einfach verschwindet. Gallups Forschung von 2024 schlüsselt das nach Rolle auf: Eine Fachkraft zu ersetzen kostet rund 80 % des Jahresgehalts. Bei Führungskräften sind es bis zu 200 %.

Für einen Senior-Ingenieur mit 85.000 Euro Jahresgehalt kann die voll kalkulierte Summe 170.000 Euro übersteigen. Und das ist nur der sichtbare Teil.

Was in diesen Zahlen fast nie auftaucht, ist der Wissensverlust.

Das 42-Prozent-Problem

Laut dem Panopto Workplace Knowledge Report sind 42 % des Unternehmenswissens ausschließlich im Kopf einzelner Mitarbeitender gespeichert. Nicht dokumentiert. Nicht in irgendeinem Wiki. Nicht in einem Prozesshandbuch. Nur in diesem einen Kopf.

Diese Zahl sollte dir Angst machen.

Wenn ein Mitarbeiter mit 15 Jahren Betriebszugehörigkeit deine Finanzabteilung verlässt, verdampft fast die Hälfte seines Wissens darüber, wie dein Unternehmen wirklich funktioniert. Nicht stückweise — an seinem letzten Freitag.

Hier geht es nicht um formale Abläufe. Es geht um den angesammelten Kontext, der jemanden wirklich effektiv macht: Warum ein bestimmter Kunde anders betreut wird. Welcher Workaround das Legacy-System stabil hält. Wo die tatsächliche Entscheidungskompetenz liegt — unabhängig davon, was das Organigramm sagt.

Die Forscher Huckman und Pisano haben gezeigt, dass individuelle Leistung spezifisch mit der Erfahrung in einer bestimmten Organisation steigt — und dass dieser Leistungszuwachs beim Wechsel zu einem anderen Unternehmen nicht mitkommt. Das Wissen, das deine Mitarbeitenden produktiv macht, ist unternehmensspezifisch. Du kannst es nicht zurückkaufen.

Die „Frag-Markus”-Steuer

Schon bevor Markus auch nur ans Gehen denkt, verursacht sein Wissen eine andere Art von Kosten: Abhängigkeit.

McKinsey hat ermittelt, dass Mitarbeitende 1,8 Stunden pro Tag — 9,3 Stunden pro Woche — mit der Suche nach Informationen verbringen. IDC-Studien zeigen noch Drastischeres: Wissensarbeiter verwenden rund 2,5 Stunden täglich, etwa 30 % ihres Arbeitstags, allein damit, Dinge zu finden, die sie für ihre Arbeit brauchen.

Anders formuliert: Wenn du fünf Leute einstellst, arbeiten vier produktiv. Der fünfte verbringt seine Zeit damit, Antworten zu jagen, die irgendwo in der Organisation schon existieren.

Laut Panopto und YouGov verschwenden Wissensarbeiter 5,3 Stunden pro Woche — entweder wartend auf Informationen von Kollegen oder damit, Arbeit zu duplizieren, die bereits erledigt wurde. Für ein großes Unternehmen summiert sich das auf Dutzende Millionen Euro pro Jahr an verlorener Produktivität.

IDC schätzt den Schaden pro Wissensarbeiter auf rund 19.000 Euro jährlich — nur durch dokumentenbezogene Ineffizienzen.

Das sind die Kosten der „Frag-Markus”-Kultur — wo kritisches Wissen in Köpfen lebt statt in Systemen.

Wenn Markus wirklich geht

Der Abgang löst eine Kettenreaktion aus.

Zuerst die unmittelbare Lücke. Das Team versucht herauszufinden, was Markus alles wusste. Kollegen verbringen Tage — manchmal Wochen — damit, Prozesse rückwärts zu rekonstruieren, die er intuitiv beherrschte. Projekte stocken. Kunden merken es.

Dann der Welleneffekt. In Deutschland verschärft der Fachkräftemangel das Problem massiv. Das IW Köln hat berechnet, dass Unternehmen allein 2024 Waren und Dienstleistungen im Wert von 49 Milliarden Euro zusätzlich hätten erwirtschaften können, wenn sie genug Fachkräfte gehabt hätten. Bitkom meldet einen anhaltenden Mangel von über 100.000 IT-Spezialisten. Wer geht, ist schwer zu ersetzen — nicht in Wochen, oft nicht in Monaten.

Und wenn ein respektierter Kollege das Unternehmen verlässt, signalisiert das den anderen: Vielleicht sollte ich mich auch mal umschauen. Das restliche Team fängt Mehrarbeit auf, brennt schneller aus und folgt Markus möglicherweise durch die Tür.

Gallups Daten von 2024 zeigen: 51 % der Beschäftigten sind entweder aktiv auf Jobsuche oder halten zumindest die Augen offen. Und der demografische Wandel beschleunigt alles — Deutschlands Erwerbsbevölkerung wird bis 2040 um mehrere Millionen schrumpfen. Jeder Abgang wiegt schwerer als der letzte.

Warum Wikis das nicht lösen

Die Standard-Antwort auf Wissensverlust ist eine Dokumentationsinitiative. Ein Wiki aufsetzen. Alles aufschreiben. Wissensmanagement-Projekt starten.

Das ist seit 30 Jahren die Antwort. Und es funktioniert seit 30 Jahren nicht.

Der Grund ist strukturell, nicht motivational. Die Leute, die das kritische Wissen haben, sind auch die, die am wenigsten Zeit haben, es aufzuschreiben. Markus schreibt keine Wiki-Seiten, weil Markus zu beschäftigt damit ist, die Person zu sein, die jeder fragt. Und selbst wenn jemand einen Prozess dokumentiert, ist er innerhalb von Monaten veraltet. Eine Wiki-Seite vom März über einen Workflow, der sich im Juni und nochmal im Oktober geändert hat, ist schlimmer als keine Dokumentation — sie ist selbstsicher falsches Wissen.

Es gibt ein tieferes Problem. Echtes Erfahrungswissen ist keine Prozedur. Es ist Kontext. Es ist das Wissen, dass die Q3-Zahlen immer komisch aussehen wegen der Art, wie die Tochtergesellschaft in Österreich den Umsatz bucht. Oder dass das „wir sollten das prüfen” des technischen Leiters in Wahrheit „bau einen Prototyp bis nächste Woche” bedeutet. Dieses Wissen lebt in Gesprächen, in Teams-Chats, in Meetings. Es wird nie auf einer Confluence-Seite landen.

Dokumentation erfasst das Was. Organisationen verlieren das Warum.

Wissen dort erfassen, wo die Arbeit wirklich stattfindet

Wenn Dokumentationsinitiativen nicht funktionieren und das Wissen weiter durch die Tür spaziert — wo lebt das Erfahrungswissen dann eigentlich?

Es lebt in Gesprächen. Im Teams-Chat, in dem jemand erklärt hat, warum der Onboarding-Prozess auf eine bestimmte Weise funktioniert. (Genau deshalb erfasst KI, die direkt in Teams lebt, Wissen, das eigenständige Tools nie sehen.) Im Meeting, in dem eine Entscheidung fiel und die Gründe dafür besprochen wurden. Im Thread, in dem jemand ein kniffliges Kundenproblem gelöst und seinen Lösungsweg beschrieben hat.

Dieses Wissen existiert bereits in deiner Organisation. Das Problem ist nicht die Entstehung — es ist die Bewahrung und Auffindbarkeit. Niemand scrollt sechs Monate Teams-Nachrichten zurück, um die eine Unterhaltung zu finden, in der jemand das Rechnungsformat des Stuttgarter Kunden erklärt hat. Also verschwindet das Wissen praktisch, obwohl es technisch geteilt wurde.

Der Ansatz, der das tatsächlich löst: Wissen als Nebenprodukt der Arbeit erfassen — nicht als separate Aufgabe. Dein Team braucht keine Wissensmanagement-Strategie — es braucht ein praktisches Tool, das einfach funktioniert. Nicht „schreib einen Wiki-Artikel über das, was du weißt”, sondern „arbeite normal weiter, und das Wissen, das du teilst, wird behalten.”

KI mit persistentem Gedächtnis macht das möglich. Ein KI-Assistent, der direkt in Teams sitzt — präsent in den Gesprächen, in denen Entscheidungen fallen und Kontext geteilt wird — kann sich merken, was besprochen wurde, warum eine Entscheidung getroffen wurde und wer was weiß. Ohne Zusatzaufwand für irgendjemanden.

Das nächste Mal, wenn jemand fragt „Warum braucht der Stuttgarter Kunde die Rechnungen in dem Format?” — die Antwort ist schon da. Nicht weil Markus sie in ein Wiki geschrieben hat, bevor er ging. Sondern weil die KI sich an das Gespräch erinnert, in dem er es vor acht Monaten erklärt hat.

Genau dafür sind Tools wie amaiko gebaut: Teams-native KI, die ein persistentes Gedächtnis aus den tatsächlichen Gesprächen deiner Organisation aufbaut. Keine Dokumentationssprints. Keine Wiki-Pflichten. Wissen, erfasst dort, wo es sowieso schon entsteht.

Markus wird irgendwann gehen. Jeder Markus tut das. Die Frage ist, ob das, was er weiß, mit ihm geht.