Reißen Sie den Zaun erst ein, wenn Sie wissen, warum er dort steht.
Organisationen sammeln über Jahre Wissen an, das nirgends aufgeschrieben steht.
Der Soziologe Michael Polanyi hat das 1958 als „tacit knowledge" beschrieben — implizites Wissen. Wissen, das in den Köpfen von Menschen steckt, in Gewohnheiten, in Abläufen. Wissen, das funktioniert, aber nicht erklärt werden kann. Polanyi formulierte es so: „Wir wissen mehr, als wir sagen können."
Dieses Wissen ist das eigentliche Betriebssystem jeder Organisation. Es bestimmt, warum ein Prozess so gebaut ist, wie er ist. Warum ein Formular acht Felder hat. Warum eine Freigabe über drei Stellen läuft. Warum die Ausnahme zur Regel wurde.
Und genau dieses Wissen ist das, was KI nicht hat.
Was KI aus Ihren Prozessen liest — und was sie nicht findet
KI-Systeme lernen aus Daten. Sie erkennen Muster, identifizieren Ineffizienzen, schlagen Optimierungen vor. Das funktioniert — solange die relevante Information in den Daten enthalten ist.
Das Problem: Implizites Wissen ist per Definition nicht in Daten enthalten. Es ist nicht dokumentiert, nicht messbar, nicht im System hinterlegt. Es existiert in den Erfahrungen der Menschen, die täglich mit dem Prozess arbeiten.
KI sieht den Prozess. Sie sieht nicht, was zu ihm geführt hat.
Sie sieht die acht Formularfelder — aber nicht den Kundendienst-Vorfall aus dem Jahr 2021, der dazu geführt hat. Sie sieht die dreistufige Freigabe — aber nicht die rechtliche Klärung, die ihr vorausging. Sie sieht die Ausnahme — aber nicht, warum sie zur Regel werden musste.
Was KI aus diesen Daten ableitet, ist statistisch plausibel. Es muss nicht kontextuell richtig sein.
Das klassische Problem in Digitalisierungsprojekten
Im Projektmanagement ist dieses Phänomen gut bekannt. In der Anforderungsanalyse spricht man vom Problem des impliziten Wissens: Stakeholder wissen häufig nicht, was sie wissen — bis etwas fehlt, das sie nie explizit formuliert haben.
Frederick Brooks beschrieb es in „The Mythical Man-Month" (1975): Die teuersten Fehler in Softwareprojekten entstehen nicht in der Implementierung. Sie entstehen in der Anforderungsphase — wenn nicht verstanden wird, was das System eigentlich leisten soll und warum.
Das ist in der Praxis immer noch das häufigste Problem — auch 50 Jahre später. Und KI löst es nicht. Sie verlagert es.
Wer einen Prozess automatisiert, ohne ihn vollständig zu verstehen, automatisiert den Prozess — inklusive aller Annahmen, die man nicht gemacht hat.
Drei Situationen, in denen das schiefgeht
- 1 — Prozessoptimierung ohne Kontextwissen Ein Analyse-Tool identifiziert in einem Supportprozess drei Schritte als Redundanz. Die werden entfernt. Sechs Monate später treten Reklamationen auf — weil diese Schritte als internes Qualitätsfilter gewirkt haben, das niemand so benannt hatte.
- 2 — Website-Relaunch ohne Stakeholder-Tiefe Eine neue Website wird auf Basis von Analytics-Daten und Heatmaps entwickelt. Was die Daten nicht zeigen: dass die unauffällige Unterseite mit dem PDF-Download die wichtigste Seite für den B2B-Vertrieb ist — weil der Außendienst sie seit Jahren in persönlichen Präsentationen nutzt.
- 3 — Automatisierte Content-Erstellung Ein KI-Tool generiert Produktbeschreibungen auf Basis bestehender Texte. Es übernimmt dabei eine Formulierung, die in der Branche als missverständlich gilt — und die intern längst diskutiert, aber nie geändert worden war. Die KI hat die Diskussion nicht gesehen. Nur den Text.
Chesterton's Fence: Ein Prinzip für die Praxis
Der britische Schriftsteller und Philosoph G.K. Chesterton formulierte 1929 in seinem Essay „The Thing" ein Prinzip, das seither in Projektmanagement und Systemdesign zitiert wird:
„Wenn Sie nicht wissen, wozu ein Zaun dient, haben Sie nicht das Recht, ihn einzureißen. Gehen Sie weg und denken Sie nach. Wenn Sie dann zurückkommen und sagen können, wozu er dient — dann dürfen Sie ihn einreißen."
G.K. Chesterton, The Thing, 1929
Chesterton's Fence ist heute ein anerkanntes Denkmuster in der Systemanalyse: Verändern Sie nie etwas, bevor Sie verstanden haben, warum es so ist, wie es ist.
Es ist kein Argument gegen Veränderung. Es ist ein Argument für Verstehen als Voraussetzung.
Gerade im Kontext von KI-gestützter Automatisierung bekommt dieses Prinzip neues Gewicht. KI kann Zäune sehr effizient einreißen. Sie kann nicht beurteilen, ob sie dürfte.
Die richtige Reihenfolge in Digitalisierungsprojekten
Was bedeutet das konkret?
Vor jeder Automatisierung — vor jedem Relaunch, vor jeder KI-Einführung — steht eine Phase, die nicht abgekürzt werden kann: das Verstehen.
Nicht das Lesen von Dashboards. Nicht die Analyse von Nutzerdaten. Das Gespräch mit den Menschen, die den Prozess täglich leben. Die Frage nach dem Warum. Das Explizitmachen von implizitem Wissen.
Erst wenn diese Phase abgeschlossen ist, kann verantwortlich entschieden werden, was verändert wird. Was bleibt. Und was automatisiert werden darf.
KI ist ein außergewöhnliches Werkzeug — für die Phase danach.
Der Zaun darf eingerissen werden. Aber erst, wenn man weiß, warum er dort steht.
Andreas Einmahl ist Inhaber der Einmahl WebSolution GmbH in Köln. Das Unternehmen entwickelt seit 1999 Websites und digitale Anwendungen für Unternehmen im Mittelstand.
Wenn Sie ein Digitalisierungsprojekt planen und sicher sein wollen, dass Sie die richtigen Fragen stellen, bevor Sie automatisieren:
