WissensTransferCamp

Die Beratungsgesellschaft Baumer stellt ihre ersten Erfahrungen mit Expert Debriefing im Kontext von Unternehmensnachfolgen vor. Als Newbies in diesem Bereich haben sie erkannt, dass Wissenstransfer ein kritischer Erfolgsfaktor bei M&A-Transaktionen ist und entwickeln innovative Ansätze, um implizites Wissen von Schlüsselpersonen zu sichern. Trotz besonderer Herausforderungen wie Zeitdruck, Vertraulichkeit und fehlenden Nachfolgern zeigen zwei Praxisbeispiele sowohl die Potentiale als auch die Grenzen des Expert Debriefings in der Unternehmensnachfolge.

Das Expert-Debriefing-Interview ist ein komplexer Kommunikationsprozess, der darauf abzielt, implizites Wissen von ausscheidenden Experten zu explizieren und strukturiert zu übertragen. Dabei sind hilfreiche Fragetechniken, die Vermeidung von No-Go’s und der professionelle Umgang mit sensiblen Informationen entscheidend für den Erfolg. Die Metapher des “Trüffelschweins” beschreibt treffend die Rolle des Moderators, der gezielt nach wertvollen Wissensschätzen sucht.

Dieser Beitrag behandelt die systematische Übertragung von Projektwissen durch strukturierte Debriefing-Prozesse. Der Referent zeigt auf, wie explizites und implizites Wissen aus Projekten extrahiert, dokumentiert und organisationsweit verfügbar gemacht werden kann. Dabei wird das SECI-Modell von Nonaka und Takeuchi als theoretische Grundlage verwendet, um Wissenstransformation zu ermöglichen und eine lernende Projektorganisation zu schaffen.

Diese Session widmete sich der systematischen Sammlung von Erfahrungswerten und bewährten Praktiken im Expert Debriefing Prozess. Durch eine kollaborative Whiteboard-Session wurden Do’s und Don’ts identifiziert, die in zukünftige Versionen des LernOS Expert Debriefing Leitfadens einfließen sollen. Der Fokus lag auf der Erfassung praktischer Erfahrungen aus der Community, um den Referenzprozess kontinuierlich zu verbessern.

Dieser Vortrag präsentiert einen praxisorientierten Werkstattbericht über den Einsatz von Large Language Models (LLMs) in Unternehmen, speziell zur Bewältigung des demografischen Wandels und Wissenstransfers. Das Hauptaugenmerk liegt auf der Entwicklung einer datenschutzkonformen Lösung mittels Embedding Models, die es ermöglicht, interne Unternehmensdaten zu nutzen, ohne diese in externe KI-Systeme zu übertragen oder das zugrundeliegende Modell zu trainieren.