Tag 1
Wissensrisiko erkennen
Leitfrage: Welches Wissen ist kritisch, wo liegt es — und was passiert, wenn es geht?
- Warum KI als Stresstest wirkt: Sie verändert nicht, ob Wissen verloren geht, sondern wie schnell und wie sichtbar.
- Kritisches Wissen erkennen: Kriterien wie Personengebundenheit, Ersetzbarkeit, Dokumentationsgrad und Abhängigkeiten.
- Wo Wissen wirklich liegt: Köpfe, Systeme, informelle Kanäle, Schatten-Ablagen — der Unterschied zwischen „Daten haben“ und „Wissen steuern“.
- Formen des Wissensverlusts: Austritt, Ruhestand, Umstrukturierung, Schweigen. Nachfolge ist nur einer davon.
- Sollbruchstellen: wo Wissen schleichend erodiert, ohne dass es jemand bemerkt.
Arbeitsphase / Breakout
Gemeinsame Wissensrisiko-Karte am Beispiel-Fall auf der kollaborativen Arbeitsfläche: Die Gruppe ordnet vorbereitete Karten den kritischen Wissensfeldern zu und bewertet ihr Risiko, ohne Zugriff auf reale Ablagen. Anschließend überträgt jeder die Logik für sich ins Workbook.
Ergebnis
Wissensrisiko-Karte: Vorlage und erster eigener Entwurf im Workbook.
Hausaufgabe
Für einen eigenen Bereich eine Mini-Risikokarte skizzieren, maximal fünf Wissensfelder, nur Kategorien und Risikoeinschätzung, keine sensiblen Inhalte.
→ Fließt in Tag 2 ein: Das Feld mit dem höchsten Risiko wird zum persönlichen Arbeitsobjekt für den KI-Readiness-Check.
Tag 2
Wissensqualität & KI-Readiness
Leitfrage: Was braucht Wissen, damit KI es nutzbar macht — statt Unsinn zu verstärken?
Start — Anschluss: Jeder bringt aus der eigenen Risikokarte das Feld mit dem höchsten Risiko mit, es wird zum Arbeitsobjekt des Tages.
- Garbage in, garbage out: warum KI schlechte Wissensqualität nicht heilt, sondern skaliert.
- Qualitätsdimensionen von Wissen: strukturiert, bereinigt, getaggt, findbar, aktuell, verantwortet.
- Der Sprung von „Daten liegen irgendwo“ zu „Wissen ist auffindbar und belastbar“.
- Zugriff und Berechtigung als Steuerungsfrage, nicht als IT-Frage: Wer darf was wissen, wer darf was ablegen?
- Warum Readiness eine Führungsaufgabe ist und keine Tool-Auswahl.
Arbeitsphase / Breakout
KI-Readiness-Check am mitgebrachten (unkritischen) Wissensfeld im Workbook, ergänzt um eine kurze Live-Umfrage zum Sichtbarmachen und Austausch in Kleingruppen (Breakout).
Ergebnis
KI-Readiness-Check: ausgefülltes Bewertungsraster im Workbook.
Hausaufgabe
Den Readiness-Check abschließen und die drei größten Lücken notieren.
→ Fließt in Tag 3 ein: Die drei Lücken werden zu den ersten Einträgen im 90-Tage-Plan.
Tag 3
Wissen in Nutzung bringen & steuern
Leitfrage: Wie kommt Wissen in verlässliche Nutzung — und bleibt steuerbar, wenn Köpfe gehen?
Start — Anschluss: Die drei Readiness-Lücken aus Tag 2 werden zu den ersten Schritten im Plan.
- Von der Wissensbasis zur dauerhaften Nutzung: warum „fertig“ hier nie eintritt.
- Governance, damit Wissen wächst statt erodiert: Rollen, Verantwortlichkeiten, Ablageregeln, Pflege.
- Steuern statt umsetzen: die Führungsrolle. Nicht die Technik bauen, sondern die Nervenbahnen der Organisation definieren.
- Nachfolge und Austritt als ein Anwendungsfall — Wissenssicherung als Nebeneffekt guter Steuerung, integriert statt Fokus.
- KI-Einführung als Change-Prozess: Adoption, Kommunikation, Grenzen setzen.
Arbeitsphase / Breakout
Aus den drei Readiness-Lücken entwickelt jede und jeder im Workbook einen 90-Tage-Plan mit ersten mandatsfähigen Schritten. In Kleingruppen werden die Pläne gespiegelt: Was ist ohne Systemumbau und ohne zusätzliche Freigaben tatsächlich startbar?
Ergebnis
90-Tage-Plan für den eigenen Verantwortungsbereich im Workbook — mandatsfähige erste Schritte statt Systemumbauten.
Abschluss
Ein Commitment aus dem eigenen Plan: Der erste Schritt, der in den nächsten 14 Tagen ohne fremde Freigabe machbar ist.
Zeitplan
jeweils 09:00–13:00 Uhr, mit zwei kurzen Pausen und einem offenen Vertiefungspuffer bis 13:30 Uhr.