Strukturiertes Offboarding und Wissenstransfer mit KI

Das echte Ausmaß des Problems

Der Abgang einer einzelnen Mitarbeitenden klingt überschaubar. In der Praxis sieht das Schadensbild oft anders aus.

Die Kosten eines Abgangs liegen oft weniger in der Nachbesetzung selbst als in dem, was verloren geht und nicht zurückkommt. Belastbare Zahlen dazu, wie viele Unternehmen einen formalen Wissenstransfer beim Offboarding haben und was fehlender Transfer kostet, haben wir nicht gefunden; die oft zitierten Werte ließen sich nicht bis zu einer Primärquelle zurückverfolgen. Die Frage für dich ist konkreter: Was hätte Lenas Nachfolger in den ersten drei Monaten gebraucht, und wo steht es?

Was verloren geht, ist meist nicht das, was auf Laufwerken steht. Es ist:

• Beziehungswissen: Wer ruft man bei Lieferant X an, wenn der offizielle Kontakt nicht erreichbar ist? Welche Ansprechpartnerin beim Kunden Y ist tatsächlich die Entscheiderin, obwohl ein anderer Titel im System steht?
• Prozesswissen: Warum läuft Schritt drei in Projekt-Template B anders als im Handbuch beschrieben? Weil es 2021 mal einen Sonderfall gab, der sich seitdem als inoffizielle Praxis etabliert hat.
• Kontextwissen: Warum reagiert Kunde Z empfindlich auf Lieferverzögerungen über drei Tage? Weil es 2022 einmal zu einem Eklat kam, den die ausscheidende Mitarbeitende selbst bereinigt hat, aber nie eingetragen hat.

Diese Art von Wissen nennt man stilles Wissen (tacit knowledge). Wie groß sein Anteil am operativen Wissen ist, hat niemand belastbar gemessen, die oft zitierten 80 Prozent sind ein Orientierungswert aus der Wissensmanagement-Literatur, keine Erhebung. Dass es in jeder langjährigen Rolle einen erheblichen Teil gibt, zeigt Lenas Geschichte oben.

Noch eine demographische Dimension: Nach dem Statistischen Bundesamt erreichen in Deutschland bis 2036 rund 12,9 Millionen Erwerbspersonen das gesetzliche Rentenalter, die Babyboomer der Jahrgänge 1957 bis 1969. Viele von ihnen tragen jahrzehntelanges Erfahrungswissen in Bereichen, die kaum je dokumentiert wurden. Offboarding ohne strukturierten Wissenstransfer ist bei dieser Welle kein nachrangiges HR-Problem mehr, es ist eine strategische Ressourcenfrage.

Mit vs. ohne KI, ein ehrlicher Vergleich

Die Zeiten sind unsere Annahmen, keine Messung; der Nutzen hängt stark von Rollenkritikalität und Wissensdichte der ausscheidenden Person ab.

Der Effekt ist bei kritischen Stellen am größten: Wenn eine Schlüsselperson geht, die seit Jahren informelles Prozesswissen hält, kann der Schaden die Einrichtungskosten eines KI-unterstützten Offboarding-Prozesses schnell übersteigen, bei einer falsch abgerechneten Sonderkondition wie bei Lenas Kunden reicht dafür ein einziger Fehler.

Einschätzung auf einen Blick

Zeitersparnis, mittel (3/5)
KI reduziert den Aufwand für Wissenstransfer-Dokumentation spürbar: Strukturierte Exit-Interview-Auswertungen, automatisch generierte Übergabechecklisten nach Rolle und transkribierte Gesprächsinhalte ersetzen Stunden manueller Nachbereitung. Aber: Offboarding findet nicht täglich statt. Die eingesparte Zeit konzentriert sich auf wenige Austrittsphasen im Jahr, kein kontinuierlicher Hebel wie bei der Bewerberauswahl oder dem Onboarding.

Kosteneinsparung, mittel (3/5)
Der Nutzen ist real, aber indirekt. Der direkte ROI liegt nicht im eingesparten Software-Aufwand, sondern im Verhältnis zu dem, was ohne strukturierten Wissenstransfer verloren ginge. Bei durchschnittlichen Positionen ist der Effekt begrenzt. Bei Schlüsselpersonen kann er die Einrichtungskosten deutlich übersteigen. Die Einsparung lässt sich im Voraus kaum berechnen, sie hängt zu sehr von der einzelnen Person ab.

Schnelle Umsetzung, hoch (5/5)
Das ist die klare Stärke dieses Ansatzes. Ein strukturiertes Exit-Interview-Protokoll mit KI-Auswertung kannst du heute einsetzen, ohne Budget und ohne Technikprojekt. Eine Generative KI wie Claude oder ChatGPT , ein transkribiertes Interview und ein durchdachter Prompt, das ist alles, was du zum Start brauchst. Auch die einfachste Umsetzung liefert einen strukturierteren Einstieg als ein Abschlussgespräch ohne Leitfaden.

ROI-Sicherheit, mittel (3/5)
Exit-Interview-Erkenntnisse lassen sich systematisch auswerten und über Zeit aggregieren, das ist messbar. Die Frage, wie viel Schaden durch besseren Wissenstransfer konkret verhindert wurde, ist methodisch schwer zu beantworten. Der Nutzen tritt oft erst Wochen oder Monate nach dem Austritt zutage, wenn der Nachfolger feststellt, dass er Antworten findet, die früher verloren gewesen wären, oder eben nicht findet.

Skalierbarkeit, sehr niedrig (1/5)
Offboarding ist und bleibt ein Einzelfall-Prozess. Jeder Austritt erfordert individuelle Aufmerksamkeit, ein persönliches Gespräch, rollenspezifische Fragestellungen. KI kann die Dokumentation und Auswertung beschleunigen, aber sie kann keine zweite Person ins Exit-Interview setzen. Im Vergleich zu einem HR-Chatbot oder einer skalierbaren Stellenanzeigen-KI ist der Prozess grundlegend manuell und personengebunden. Die Anzahl der Austritte pro Monat begrenzt den Nutzen direkt.

Richtwerte, stark abhängig von Unternehmensgröße, Fluktuation und Kritikalität der ausscheidenden Stellen.

Stilles Wissen vs. dokumentiertes Wissen, wo das eigentliche Problem liegt

Wenn wir über Wissenstransfer beim Offboarding sprechen, meinen wir meist zwei sehr verschiedene Dinge:

Explizites Wissen ist das, was bereits aufgeschrieben ist: Prozesshandbücher, CRM-Einträge, Projektdokumentationen, E-Mail-Verläufe. Ein KI-System kann dieses Wissen indexieren, strukturieren und für Nachfolger zugänglich machen, das ist die Aufgabe einer internen Wissensdatenbank. Beim Offboarding ist der Beitrag hier begrenzt: Wenn das Wissen schon dokumentiert war, braucht man dafür keinen besonderen Abschlussprozess.

Stilles Wissen (tacit knowledge) ist das, was in Köpfen steckt: eingespielte Routinen, informelle Netzwerke, das Gefühl dafür, welche Ausnahme man wann macht, das Verständnis für Zusammenhänge, die nie jemand erklärt hat, weil sie sich für Eingeweihte von selbst erklären. Ein erheblicher Teil des für den Betrieb relevanten Wissens ist stiller Natur. Und es geht verloren, sobald die Person weg ist.

Hier liegt das eigentliche Problem, und hier liegt die Aufgabe von KI-unterstütztem Offboarding: Stilles Wissen durch gezielte Fragen sichtbar machen, bevor die Person geht.

Ein klassisches Exit-Interview fragt nach Kündigungsgründen, Zufriedenheit, Verbesserungsvorschlägen. Das ist für die HR-Analyse wertvoll. Es ist aber nicht das Gleiche wie ein strukturiertes Wissenstransfer-Interview, das darauf ausgerichtet ist, stilles Wissen zu explizieren: Welche Aufgaben erledige ich, die ich nirgends aufgeschrieben habe? Welche Kontakte nutze ich, die nicht im CRM stehen? Welche Ausnahmen kenne ich, die im Handbuch nicht stehen?

Die Unterscheidung ist wichtig, weil sie bestimmt, welches KI-Werkzeug welche Aufgabe übernimmt, und welche menschliche Vorbereitung zwingend nötig bleibt.

Das Wissenstransfer-Interview: Wie du stilles Wissen sichtbar machst

Ein strukturiertes Wissenstransfer-Interview ist kein verlängertes Exit-Gespräch. Es hat einen anderen Fokus, andere Fragen und ein anderes Ergebnis. KI kann die Vorbereitung, Auswertung und Dokumentation übernehmen, die eigentliche Gesprächsführung bleibt menschlich.

Welche Fragetechniken funktionieren

Die effektivste Technik für stilles Wissen ist die sogenannte “Critical Incident”-Methode: Statt allgemeiner Fragen (“Was sind deine Aufgaben?”) werden konkrete Ereignisse abgefragt (“Erzähl mir von einem Moment in den letzten Monaten, in dem du schnell reagieren musstest, ohne dass es dafür eine Regel gab”). Konkrete Situationen holen das Prozesswissen hervor, das hinter allgemeinen Antworten verborgen bleibt.

Weitere wirksame Fragetypen:

• Netzwerk-Mapping: “Welche Personen, intern oder extern, kontaktierst du regelmäßig, die nicht in eurem offiziellen Kontaktsystem stehen? Warum diese?”
• Ausnahme-Scanning: “Welche Regeln im Handbuch weicht du in der Praxis regelmäßig ab, und warum?”
• Risiko-Inventar: “Welche Aufgabe in deiner Stelle würde ein Nachfolger garantiert falsch machen, wenn er sie nur aus der Jobbeschreibung kennt?”
• Rückhalt-Wissen: “Welche Entscheidung hast du in den letzten zwei Jahren getroffen, die ohne dein Hintergrundwissen falsch ausgegangen wäre?”

Wie KI die Vorbereitung übernimmt

Gib dem LLM die Stellenbeschreibung der ausscheidenden Person, die wichtigsten Verantwortlichkeiten und, falls vorhanden, vergangene Projektbeschreibungen. Lass das Modell daraus einen rollenspezifischen Fragenkatalog für das Wissenstransfer-Interview erzeugen. Das Ergebnis ist ein strukturierter Leitfaden, der in 20–30 Minuten auf die konkreten Wissensbereiche der Stelle zugeschnitten ist, kein generisches Offboarding-Formular, das für jede Rolle gleich aussieht.

Wie KI die Auswertung übernimmt

Wird das Interview aufgezeichnet und transkribiert (dazu mehr im Datenschutz-Abschnitt), kann ein LLM das Transkript in strukturierte Wissensartikel überführen: Kontaktlisten, Prozessbeschreibungen, Ausnahmeregeln, Risikobereiche. Das KI-System gibt nicht die Antworten, es macht die Antworten der ausscheidenden Person für Nachfolger nutzbar.

Was KI beim Offboarding konkret macht

Die technische Basis ist einfacher als bei den meisten KI-Projekten. Es gibt kein Modell, das man trainieren müsste, keine Datenbank, die man aufbauen muss, bevor man anfängt. Der Kern des KI-gestützten Offboardings ist Generative KI, ein Sprachmodell, das auf Basis von Eingaben strukturierte Ausgaben erzeugt.

Schritt 1, Rollenspezifische Fragen generieren
Das Modell erhält: Stellenbeschreibung, Hauptverantwortlichkeiten, bekannte Besonderheiten der Rolle. Es erzeugt: Einen maßgeschneiderten Fragenkatalog für das Wissenstransfer-Interview, geordnet nach Themenbereichen (Kundenwissen, Prozesswissen, Netzwerke, Ausnahmen, Risiken).

Schritt 2, Interview führen und transkribieren
Das Interview wird geführt, von HR oder direkt von der Führungskraft. Mit einem Transkriptions-Tool (z. B. tl;dv oder Jamie ) wird das Gespräch automatisch in Text überführt. Wichtig: Das Transkript ist kein fertiges Dokument, es ist der Rohstoff.

Schritt 3, Wissensartikel extrahieren
Das Transkript wird an ein Sprachmodell übergeben mit dem Auftrag, strukturierte Wissensartikel zu extrahieren: “Welche Kontakte hat die Person erwähnt, die nicht im CRM stehen?”, “Welche Ausnahmen von Standardprozessen wurden genannt?”, “Welche Risiken hat sie für ihre Nachfolge als kritisch markiert?”

Schritt 4, Exit-Insights aggregieren
Über mehrere Interviews hinweg lassen sich mit KI Muster erkennen: Welche Kündigungsgründe tauchen häufig auf? Welche Prozessprobleme werden immer wieder erwähnt? Was sagen alle ausscheidenden Mitarbeitenden, das HR nie strukturiert gehört hat? Dieser Schritt ist für die strategische HR-Arbeit wertvoll, und oft der beste Ansatz, um echte Verbesserungsfelder zu identifizieren.

Wie lange bleibt Wissen zugänglich, die Wissensverlust-Zeitlinie

Nicht alles verschwindet sofort. Aber das Fenster ist kürzer, als die meisten HR-Verantwortlichen annehmen.

Die Tabelle ist unsere Faustregel, keine Messung. Klar ist nur: Nach dem letzten Tag hängt jede Antwort am guten Willen und am Gedächtnis einer Person, die längst an etwas anderem arbeitet.

Praktische Konsequenz: Der Transfer-Prozess muss in den ersten zwei Wochen nach Kündigung beginnen, nicht in der letzten Woche vor dem Austritt. Ein KI-generierter Fragenkatalog, der am Tag nach der Kündigung vorliegt, ist wertvoller als ein ausgefeilter Prozess, der erst in Woche drei startet.

Konkrete Werkzeuge, was wann passt

tl;dv (kostenlos, EU-gehostet)
Für die Aufzeichnung und Transkription des Wissenstransfer-Interviews ist tl;dv die DSGVO-freundlichste kostenlose Option. Unbegrenzte Meeting-Aufzeichnungen, Transkription in 30+ Sprachen, Datenhaltung in EU-Rechenzentren, ISO 27001-zertifiziert. Ideal für Unternehmen, die mit minimalem Budget einsteigen wollen und das Interview per Videokonferenz führen. Vom Funktionsumfang her reicht der kostenlose Plan für Offboarding-Zwecke, den AVV schließt ihr vor dem ersten echten Interview ab.

Jamie (kostenpflichtig, Verarbeitung im EWR)
Für höhere Datenschutz-Anforderungen: Jamie ist ein bot-freier Meeting-Assistent, der ohne sichtbare KI-Präsenz im Interview aufzeichnet, im Europäischen Wirtschaftsraum verarbeitet und Audio nach der Transkription löschen kann. Plus kostet 21 Euro im Monat, Pro 39 Euro. Einen AVV und vertraglich zugesicherte EU-Datenresidenz gibt es laut unserer Toolseite aber erst im Enterprise-Plan ab 10 Plätzen, Preis auf Anfrage. Für Exit-Interviews mit Personen- und Kundendaten ist das der Plan, den du brauchst.

Fireflies.ai (freemium, US-gehostet)
Stärker für Teams, die Transkripte in bestehende CRM-Systeme oder Wissensdatenbanken exportieren wollen. Gute Integrationsmöglichkeiten mit HubSpot und anderen Systemen. Ins CRM gehört dabei nur das Kundenwissen, nicht die Kündigungsgründe der ausscheidenden Person. Einschränkung: Datenhaltung primär in den USA, für strenge DSGVO-Anforderungen prüfen. Pro-Plan ab 10 USD/Nutzer/Monat.

Claude oder ChatGPT (für Fragenkatalog und Wissensextraktion)
Diese Modelle übernehmen die eigentliche KI-Arbeit: rollenspezifische Frageleitfäden generieren, Exit-Transkripte in strukturierte Wissensartikel überführen, Muster über mehrere Exit-Interviews hinweg erkennen. Für den Fragenkatalog aus der Stellenbeschreibung reichen die kostenlosen Versionen. Transkripte enthalten Personen- und Kundendaten und gehören nur in einen Tarif mit AVV, in dem nicht auf euren Inhalten trainiert wird: ChatGPT Business oder Claude Team, ab zwei Plätzen zu je 25 US-Dollar im Monat, oder die API.

NotebookLM (für Wissensarchiv)
Wenn mehrere Exit-Interview-Transkripte über Zeit akkumulieren, kann NotebookLM als Recherche-Schicht darüber fungieren: “Was hat der vorherige Kundenbetreuer für Konto X im Interview gesagt?”, quellenbasiert, nachprüfbar. Einschränkung: Einen AVV gibt es nur über Google Workspace oder Google Cloud, nicht mit einem privaten Google-Konto; für Transkripte also nur im Unternehmenskonto.

Notion AI (für integriertes Wissensmanagement)
Wer Notion als Unternehmens-Wiki nutzt, kann Exit-Interview-Dokumente dort strukturiert ablegen und mit Notion AI durchsuchbar machen. Wissenstransfer-Artikel landen direkt im bestehenden Wiki, mit denselben Zugriffsrechten wie andere interne Dokumente. Preis: Business-Tarif 19,50 Euro/Person/Monat bei jährlicher Abrechnung.

Zusammenfassung: Wann welcher Ansatz

• Schnellster Start ohne Budget → Fragenkatalog mit Claude / ChatGPT kostenlos; für Transkripte tl;dv mit AVV und ein KI-Tarif mit AVV
• Höchste DSGVO-Anforderungen → Jamie Enterprise (EU-Datenresidenz und AVV, kein permanentes Audio) + lokale LLM-Auswertung
• Integration in bestehendes Wissenssystem → Notion AI oder Confluence + tl;dv
• Kundenwissen aus dem Transkript ins CRM → Fireflies.ai + HubSpot

Datenschutz und Datenhaltung

Beim KI-gestützten Offboarding verarbeitet ihr zwingend personenbezogene Daten, mindestens die Daten der ausscheidenden Person, oft auch Drittpersonen (Kundennamen, Kolleginnen, externe Kontakte), die im Gespräch erwähnt werden. Das bringt mehrere DSGVO-Fragen mit sich.

Einwilligung zur Aufzeichnung
Eine Audio- oder Videoaufzeichnung des Exit-Interviews erfordert die ausdrückliche, informierte Einwilligung der ausscheidenden Person. Die Einwilligung muss freiwillig sein, besonders im Arbeitsverhältnis bedeutet das, dass keine Nachteile aus einer Ablehnung entstehen dürfen. Formuliert die Einwilligung schriftlich, erklärt den Zweck (Wissenstransfer-Dokumentation), die Aufbewahrungsdauer und wer Zugriff auf das Transkript erhält.

§ 87 Abs. 1 Nr. 6 BetrVG, Mitbestimmung bei technischen Überwachungseinrichtungen
Falls euer Unternehmen einen Betriebsrat hat, gilt: Die Einführung technischer Einrichtungen, die geeignet sind, das Verhalten oder die Leistung von Mitarbeitenden zu überwachen, unterliegt der Mitbestimmung nach § 87 Abs. 1 Nr. 6 BetrVG. Nach ständiger Rechtsprechung des Bundesarbeitsgerichts genügt dafür die objektive Eignung zur Überwachung, eine Überwachungsabsicht ist nicht nötig. Exit-Interview-KI, die Aussagen von Mitarbeitenden aufzeichnet und auswertet, fällt unter diese Kategorie, zumal sie auch die Führungskräfte und Kolleginnen betrifft, über die im Interview gesprochen wird.

Praktische Konsequenz: In Unternehmen mit Betriebsrat ist eine Betriebsvereinbarung zur KI-gestützten Exit-Interview-Auswertung vor der Einführung erforderlich. Ohne diese Vereinbarung kann der Betriebsrat per einstweiliger Verfügung die Verwendung des Systems untersagen. Das ist kein bürokratisches Detail, es ist ein ernst zu nehmender Rechtsrahmen.

Anonymisierung für HR-Analytics
Wenn ihr Exit-Interview-Insights für systematische HR-Analysen nutzen wollt (Muster über mehrere Interviews hinweg), empfiehlt sich eine zweistufige Verarbeitung: Erstes Dokument bleibt personenbezogen und liegt nur bei HR und direkter Führungskraft. Zweites, anonymisiertes Dokument geht in die HR-Analytics-Ebene. So vermeidet ihr, dass einzelne Aussagen einzelnen Personen zugeordnet werden können.

Tool-Auswahl und DSGVO
Für alle Transkriptions-Tools gilt: Ein Auftragsverarbeitungsvertrag (AVV) ist Pflicht, bevor ihr personenbezogene Daten übertragt. Bei tl;dv (EU-Hosting) und Jamie (Verarbeitung im EWR, AVV erst im Enterprise-Plan) ist die Risikolage niedriger als bei US-gehosteten Lösungen wie Fireflies.ai . Prüft mit eurem Datenschutzbeauftragten, welche Lösung zu eurem Risikoprofil passt, besonders bei vertraulichen Kundendaten, die im Interview erwähnt werden.

Was es kostet, realistisch gerechnet

Einstiegs-Stack (nahezu kostenfrei)

• Fragenkatalog aus der Stellenbeschreibung: Claude Free oder ChatGPT Free, ohne Personendaten
• Aufzeichnung/Transkription: tl;dv kostenlos, mit AVV
• Wissensextraktion aus dem Transkript: nur in einem Tarif mit AVV, ChatGPT Business oder Claude Team ab zwei Plätzen, 2 mal 25 US-Dollar im Monat
• Wissensarchiv: Notion Free oder bestehende Unternehmenstools
• Setup-Aufwand: 4–8 Stunden einmalig (Prompt-Entwicklung, Prozessdefinition)

Professioneller Stack

• Aufzeichnung: tl;dv Pro, 18 Euro je Nutzer und Monat bei jährlicher Zahlung
• Oder Jamie Enterprise mit AVV und EU-Datenresidenz, ab 10 Plätzen, Preis auf Anfrage
• KI-Auswertung: Claude Team, ab zwei Plätzen zu je 25 US-Dollar im Monat
• Oder ChatGPT Business zum selben Platzpreis
• Wissensarchiv: Notion AI Business (19,50 Euro/Person/Monat bei jährlicher Abrechnung)
• Setup-Aufwand: 1–2 Wochen intern, gegebenenfalls externer Begleitung
• Laufende Kosten: die Summe der Posten oben, bei einer HR-Person also ein tl;dv-Platz, zwei KI-Plätze und ein Notion-Platz

Was du dagegenrechnen kannst
Die Rechnung hängt fast vollständig an der Kritikalität der ausscheidenden Stelle. Bei einem einfachen Sachbearbeiterposten ist das Wissensverlust-Risiko überschaubar. Bei einer Schlüsselperson mit zehn Jahren Kundenwissen und informellem Netzwerk kann schon ein einziger Fehler teurer sein als der ganze Prozess, etwa eine Sonderkondition, die ein Nachfolger falsch abrechnet. Belastbare Durchschnittswerte für diesen Schaden gibt es nicht, deshalb nennen wir keine.

Wie du den Nutzen tatsächlich misst
Nicht durch eine Formel, sondern durch Beobachtung: Wie viele Fragen stellt der Nachfolger in den ersten drei Monaten, die direkt durch das Wissenstransfer-Dokument beantwortet werden können? Wie oft greift er auf das Exit-Interview-Archiv zurück? Wie lange dauert die Einarbeitungszeit im Vergleich zur letzten vergleichbaren Stelle ohne strukturierten Transfer? Das sind die realen Indikatoren, schwer in Euro zu fassen, aber intern gut spürbar.

Drei typische Einstiegsfehler

1. Das Wissenstransfer-Interview zu spät starten.
Der häufigste Fehler: Das erste strukturierte Gespräch über Wissenstransfer findet in Woche drei oder vier der Kündigungsphase statt, manchmal in der letzten Woche. Zu diesem Zeitpunkt ist die ausscheidende Person mental oft schon weg, motivational auf dem Abflug, und der Zeitdruck erzeugt Flüchtigkeit statt Tiefe. Stilles Wissen lässt sich nicht in 45 Minuten Abschlussgespräch herausholen.

Lösung: Den KI-generierten Fragekatalog in den ersten fünf Tagen nach Kündigung einsetzen. Das erste Wissenstransfer-Interview gehört auf Woche eins, nicht auf die letzte Woche. Mehrere kurze Sessions à 30–45 Minuten über vier Wochen sind wirksamer als ein langes Abschlussgespräch.

2. Alle Stellen gleich behandeln.
Eine Wissenstransfer-Checkliste für alle ist besser als keine. Aber eine standardisierte Liste, die für den Buchhalter genauso gilt wie für die Vertriebsleiterin, ist kaum besser als ein leeres Formular. Die eigentlich wertvollen Fragen sind rollenspezifisch, und die lassen sich erst erzeugen, wenn man weiß, was die Person wirklich tut, nicht was ihr Titel sagt.

Lösung: KI-generierten Fragekatalog für jede Stelle einzeln erstellen. Dauert 15 Minuten pro Stelle, kostet nichts, und der Unterschied in der Qualität der gewonnenen Informationen ist erheblich.

3. Das Transkript ist die Dokumentation.
Ein Exit-Interview-Transkript ist kein fertiges Wissensdokument. Es ist 40–90 Minuten Rohmaterial mit Umwegen, Ausschweifungen, mehrfach korrigierten Aussagen und Kontext, den nur eingeweihte Personen verstehen. Wer das Transkript unbearbeitet in ein Wiki lädt, hat niemandem geholfen.

Lösung: Das Transkript als Input für die KI-gestützte Extraktion nutzen. Das Modell filtert die strukturierten Wissensartikel heraus, Kontaktlisten, Prozessnotizen, Risikobereiche, und erzeugt ein kompaktes Dokument, das ein Nachfolger tatsächlich lesen und verwenden wird. Das Transkript selbst bleibt als Originalquelle archiviert, aber das nutzbare Dokument ist das extrahierte Ergebnis.

Was mit der Einführung wirklich passiert, und was nicht

Die technische Seite ist das Leichteste an diesem Projekt. Das Schwierigere sind die menschlichen Dynamiken.

Die ausscheidende Person ist nicht immer kooperativ.
Manchmal geht jemand nicht im Guten. Manchmal ist die Person genug enttäuscht, dass sie kein Interesse hat, ihr Wissen zu teilen, warum sollte sie, wenn das Unternehmen ohnehin die falsche Entscheidung getroffen hat? Ein gut strukturierter Wissenstransfer-Prozess kann keine schlechte Trennungssituation reparieren. Er setzt voraus, dass die Beziehung professionell bleibt.

Was hilft: Der Ton des Gesprächs. Wenn der Wissenstransfer als “das Unternehmen holt sich, was ihm zusteht” geframt wird, funktioniert er schlechter als wenn er als “wir wollen sicherstellen, dass deine Arbeit der letzten neun Jahre nicht verloren geht”. Ersteres fühlt sich wie Abgreifen an. Zweiteres fühlt sich wie Anerkennung an. Der Unterschied ist real.

Führungskräfte überspringen den Prozess unter Zeitdruck.
Vier Wochen klingen nach viel. Tatsächlich laufen in dieser Zeit normale Projekte weiter, die ausscheidende Person wird weiterhin in Meetings eingebunden, und der Wissenstransfer rutscht ans Ende. Das ist nicht bösartig, es ist Prioritätenkonflikt.

Was hilft: Den Wissenstransfer-Prozess von Anfang an im Kalender verankern. Drei feste Termine in den ersten zwei Wochen, die nicht verschoben werden. Wer das als Aufgabe für eine externe Kraft delegieren kann (HR-Business-Partner, Teamlead), tut das besser als wer hofft, es “spontan” zu regeln.

Das erstellte Dokument wird nie geöffnet.
Das ist der stille Tod vieler Wissenstransfer-Initiativen: Das Dokument existiert. Es liegt irgendwo. Es wird nie genutzt. Der Nachfolger kommt, fragt jemand anderen, und das Dokument bleibt ungeöffnet.

Was hilft: Das Dokument aktiv übergeben. Nicht “es liegt im Wiki”, sondern: Einführungstermin des Nachfolgers, erstes Dokument, das er öffnet, ist das Exit-Interview-Extrakt. Geführtes Gespräch, welche Teile für den Sofortstart relevant sind. Das Dokument muss navigiert werden, nicht nur abgelegt sein.

Realistischer Zeitplan mit Risikohinweisen

Realistischer Hinweis: Wer keinen aktuellen Offboarding-Fall hat, kann den Prozess trotzdem heute aufbauen, indem man ein hypothetisches Interview für eine der meistgefragten Stellen im Team durchspielt und die Ergebnisse bewertet. Das ist kein Ersatz für echte Fälle, aber eine valide Methode, den Prozess zu testen, bevor er unter echtem Zeitdruck gebraucht wird.

Häufige Einwände, und was dahintersteckt

“Unsere Mitarbeitenden sind gut und verlassen uns nicht.”
Das ist kein Argument gegen Offboarding-Vorbereitung, es ist ein Grund, sie jetzt aufzubauen, während kein Zeitdruck besteht. Der Wissenstransfer-Prozess muss nicht aktiviert werden, wenn er gerade nicht gebraucht wird. Aber er muss aktivierbar sein, wenn es so weit ist. Und es wird so weit sein. Renteneintritt, Lebensplanung, Übernahmen, kein Unternehmen ist vor Abgängen immun, auch das mit der besten Unternehmenskultur nicht.

“Wir haben keinen Exit-Interview-Prozess, das wäre ein riesiges Projekt.”
Nein, das ist es nicht. Ein einfacher Prompt für das erste strukturierte Gespräch und eine kostenlose Transkriptions-App sind der ganze technische Aufwand für den Einstieg. Das ist kein IT-Projekt, kein Budget-Antrag, kein halbjähriges Einführungsprojekt. Es ist eine neue Gesprächsführungstechnik, unterstützt von einem Werkzeug, das kostenlos ist.

“Das kostet zu viel Zeit.”
Ein gut strukturiertes Wissenstransfer-Interview dauert drei bis vier Sessions à 30–45 Minuten, verteilt über die Kündigungsphase. Die KI-Auswertung des Transkripts dauert ca. 20–30 Minuten. Das sind unter vier Stunden für eine vollständig dokumentierte Übergabe, gegenüber dem, was es kostet, wenn der Nachfolger in Woche zwei anruft und fragt: “Kannst du mir nochmal erklären, wie das bei Kunde Müller läuft?”

“Die ausscheidende Person wird das nicht mitmachen wollen.”
Das kommt vor, aber seltener als befürchtet, wenn der Prozess richtig geframt wird. Die meisten Mitarbeitenden, die ein Unternehmen in gutem Einvernehmen verlassen, wollen ihre Arbeit gut übergeben. Es geht ihnen darum, wie das Gespräch geführt wird: als Wertschätzung für das, was sie aufgebaut haben, nicht als Abgreifen von Informationen.

Woran du merkst, dass das zu dir passt

• Du hast Schlüsselpersonen, die seit Jahren Kundenwissen, Prozessausnahmen oder informelle Netzwerke halten, und ihr wisst, dass beim Abgang dieser Personen ernsthafter Schaden entstehen würde
• Eure Fluktuation ist moderat (ca. 5–15 Prozent pro Jahr), nicht so niedrig, dass Offboarding nie vorkommt, nicht so hoch, dass der Prozess nicht umsetzbar ist
• Ihr habt noch keine strukturierten Exit-Interviews oder ihr habt solche, aber sie werden nicht systematisch für Wissenstransfer genutzt
• Ihr wollt Exit-Interview-Erkenntnisse strategisch nutzen, nicht nur als Feedback, sondern als Grundlage für HR-Maßnahmen
• Ihr plant in den nächsten Jahren Abgänge durch Renteneintritt oder vorhersehbare Personalwechsel

Wann es sich (noch) nicht lohnt, drei harte Ausschlusskriterien:

1. Unter ca. 15 Mitarbeitenden. Bei dieser Größe ist jeder Abgang ein persönliches Gespräch, das ohnehin geführt wird, strukturell und informell. Der Overhead eines formalen KI-gestützten Prozesses rechtfertigt sich nicht, wenn der Informationsfluss im Team ohnehin direkt und persönlich ist. Hier helfen andere Ansätze: regelmäßige Dokumentation im Alltag statt im Abschlussgespräch.

2. Keine Dokumentationskultur vorhanden. Wenn im Unternehmen grundsätzlich nichts dokumentiert wird, keine Prozesshandbücher, keine Projektnotizen, keine CRM-Einträge, hilft ein Exit-Interview-Tool nur begrenzt. Das stille Wissen, das herausgeholt wird, hat keinen Ort, an dem es dauerhaft lebt. Dann ist der sinnvollste nächste Schritt eine grundlegende Dokumentationsinfrastruktur, kein Exit-Interview-Prozess.

3. Betriebsrat ohne KI-Betriebsvereinbarung, und Einführungszeitraum ist kurz. Wenn ein akuter Offboarding-Fall vorliegt und noch keine Vereinbarung mit dem Betriebsrat zum Einsatz von KI-Tools in HR-Prozessen besteht, ist das rechtliche Risiko zu hoch für einen schnellen Alleingang. In diesem Fall: erst Abstimmung mit Betriebsrat und Datenschutzbeauftragtem, dann Tool-Einführung, nicht umgekehrt.

Das kannst du heute noch tun

Öffne Claude oder ChatGPT , kostenlos, kein Setup, sofort einsetzbar. Gib dem Modell die Stellenbeschreibung einer kritischen Rolle in deinem Unternehmen, einer Person, deren Abgang euch wirklich treffen würde. Die Stellenbeschreibung reicht, Namen und Kundendaten brauchst du dafür nicht. Lass das Modell einen Wissenstransfer-Frageleitfaden für genau diese Stelle generieren.

Das dauert 10 Minuten. Was du danach hast: Das erste rollenspezifische Instrument für ein strukturiertes Offboarding-Gespräch, ohne Budget, ohne Projekt, ohne Vorarbeit.

Hier ist ein Prompt, den du direkt verwenden kannst:

Quellen & Methodik

• Demografie: Statistisches Bundesamt, Pressemitteilung Nr. 330 vom 2. August 2022, 12,9 Millionen Erwerbspersonen der Jahrgänge 1957 bis 1969 erreichen bis 2036 das gesetzliche Rentenalter.
• Stilles Wissen: Begriff nach Michael Polanyi (1966, „The Tacit Dimension”), rezipiert von Nonaka/Takeuchi (1995). Die oft genannten 80 Prozent sind ein Orientierungswert, keine Erhebung.
• § 87 Abs. 1 Nr. 6 BetrVG: Mitbestimmung bei technischen Einrichtungen, die zur Überwachung von Verhalten oder Leistung objektiv geeignet sind. Für verbindliche Rechtsberatung ist ein Fachanwalt für Arbeitsrecht zu konsultieren.
• Tool-Preise und AVV-Verfügbarkeit (tl;dv, Fireflies, Jamie, Claude, ChatGPT, Notion, NotebookLM): laut unseren Toolseiten, Stand September 2026.
• Zeitaufwand, Wissensverlust-Zeitlinie und Adoption: unsere Annahmen, keine Messung.

Du willst wissen, welche Stellen in deinem Unternehmen das höchste Wissensverlust-Risiko haben und wo ein strukturiertes Offboarding den größten Hebel hat? Meld dich, das klären wir in einem kurzen Gespräch.