Wenn eine Behörde neue Technologien in den Betrieb bringt (Container und Kubernetes, Microservices, moderne Web-Frameworks, Cloud-native Betriebsmuster, jetzt auch KI-gestützte Entwicklung), steht am Anfang selten die Technik-Entscheidung. Die Technik-Entscheidung ist meist einfach. Was schwer ist, ist das Nachrücken der Menschen. Wissenstransfer ist nicht die Phase nach der Einführung, Wissenstransfer ist die Einführung. Wenn er misslingt, ist die Technik wertlos, egal wie gut sie gewählt wurde.

Die Erfahrung aus großen Verfahrens-Vorhaben ist eindeutig: Wissen entsteht in praktischer Anwendung, nicht im Schulungsraum. Zwei Tage Kubernetes-Frontalschulung für fünfzehn Mitarbeitende produzieren fünfzehn Teilnahmebescheinigungen, nicht fünfzehn Menschen, die am Montag einen Pod deployen können. Die Schulung gibt das Vokabular; die Kompetenz entsteht erst, wenn jemand das erste Mal unter realen Bedingungen einen Fehler macht und ihn behebt.

Was das für den Aufbau heißt

Aus dieser Einsicht folgt ein bestimmtes Transfer-Modell. Extern kommt die initiale Expertise, typischerweise von Dienstleistern oder aus spezialisierten Konsortien. Intern werden Multiplikator:innen aufgebaut: Verfahrensarchitekt:innen, Projektleitung, Entwickler:innen, die nach kurzer Einarbeitung selbst weitergeben können. Diese Multiplikator:innen geben das Wissen an weiteres Personal und Communities weiter, in einer Kaskade, die auch dann weiterläuft, wenn die externe Begleitung endet. Das ist das bewährte Train-the-Trainer-Prinzip, angewandt auf Technologie-Kompetenz.

Die Kaskade ist nicht Selbstzweck. Sie ist die einzige Struktur, die nachhaltig skaliert, wenn externe Begleitung zeitlich oder finanziell begrenzt ist. Die BMI-KI-Leitlinien formulieren das Prinzip explizit: Kompetenzaufbau vor Einsatz sensibler Systeme, nicht nachträglich; Schulungen vor der Nutzung, nicht als Option. [^s011]

Die drei Phasen, die jeder Transfer durchläuft

Ein Transfer-Vorgehen, das trägt, orientiert sich an den Projektphasen. In der Start-Phase (zwei bis vier Wochen bis zur produktiven Mitarbeit) sind kurze, aufgezeichnete Wissens-Häppchen, Buddy-Pairing und konkrete Sprint-Aufgaben am ersten Tag wirkungsvoller als längere Schulungen. Ziel: handlungsfähig. In der Delivery-Phase verankert sich das Wissen durch Pair- und Ensemble-Programming, tägliche Coaching-Fenster, Reviews als Lernformat und Architektur-Runden an realen Artefakten. Ziel: eigenständig umsetzen. In der Go-Live-Phase verschiebt sich der Fokus auf Betriebs- und Nutzerhandbücher, Checklisten, Übergabe-Workshops und Doku-Reviews. Ziel: eigenverantwortlich weiterentwickeln.

Wenn dieses Vorgehen trägt, ist das Team nach sechs bis zwölf Monaten ohne externe Abhängigkeit arbeitsfähig. Das ist nicht schnell, aber nachhaltig. [^s018]

Wo KI den Transfer wirklich verändert

Bis hierhin ist das Modell weitgehend vor-KI. Neu ist die Qualitäts-Verschiebung, die entsteht, wenn KI ständig verfügbar und dialogisch eingebunden ist.

Zunächst die Verfügbarkeit, das ist der sichtbare Teil. Ein Repo-Assistent führt neue Teammitglieder durch die Codebase und erklärt Architektur-Entscheidungen, ohne dass ein:e Architekt:in daneben sitzen muss. Ein Coding-Assistent übernimmt die erste Stufe des Pair Programming, bevor der menschliche Kollege dazukommt. Ein Dokumentations-Agent fasst Workshop-Notizen zu strukturierten Handbüchern zusammen, die sonst nie geschrieben würden. Eine Frage, die früher bis zum nächsten Coaching-Fenster warten musste, kann jetzt sofort beantwortet werden. In einer Umfrage von HU Berlin und HTW Berlin aus März 2026 nutzen 79 Prozent der befragten Entwickler:innen GenAI täglich; über 70 Prozent berichten mindestens eine Halbierung der Zeit für Boilerplate- und Dokumentations-Aufgaben. [^s116] Die Adaption beginnt auch in der Verwaltung. KI-Kompetenzen zählen laut aktueller Befragung unter CIOs im deutschsprachigen Raum zu den drei zentralen Weiterbildungsprioritäten 2026. [^s117]

Dahinter steht etwas, das die bloße Verfügbarkeit weit übertrifft. Wissen entsteht nicht durch das Lesen von Dokumentation; es entsteht, wenn jemand gezwungen ist, es zu formulieren. Das ist eine pädagogische Einsicht, die lange bekannt ist und bisher kaum umgesetzt wurde, weil aktive Durcharbeitung in großen Organisationen nicht skalierte. Mit dialogischer KI-Assistenz wird sie skalierbar. Wer sich mit einem Assistenten durch ein Thema arbeitet (fragt, umformuliert, Zwischenstände schreibt, Widersprüche bemerkt, gemeinsam eine Fassung erzeugt), internalisiert es auf eine Weise, die durch Lesen eines Handbuchs nicht erreichbar ist. Die Dokumentation ist Nebenprodukt; die eigentliche Leistung ist, dass die fragende Person beim Aufschreiben versteht. Damit wird gleichzeitig eine alte Verwaltungs-Paradoxie leiser: Wer ein Thema kennt, muss nicht mehr auch gut schreiben können, der Assistent hilft bei der Formulierung, die Fachperson bleibt beim Inhalt.

Der eigentlich interessante Teil liegt bei dem, was bisher unausgesprochen blieb. Viel Fachwissen in Behörden ist implizit. Welche Ausnahme wann greift, warum ein Verfahrensschritt so und nicht anders abläuft, welche Sonderfälle es gibt, die in keiner Vorschrift stehen, die aber jede erfahrene Sachbearbeiterin kennt. Dieses Wissen hat kein Handbuch je vollständig eingefangen, weil die Fachperson oft nicht weiß, was sie weiß, solange sie nicht gefragt wird. Ein KI-Assistent stellt die Fragen, die sie sich selbst nicht stellt; er bemerkt Widersprüche zwischen zwei Antworten und fragt nach; in der Korrektur kommt das implizite Wissen heraus. Und ein Team-Wissensbestand wächst dabei nebenher, ohne dass jemand ihn in einer Extra-Sitzung pflegen müsste. Pflege ist Nebeneffekt der Arbeit geworden, das ist der eigentlich neue Qualitätsraum, und er trägt weit über die Einarbeitungsphase hinaus.

Was gemessen werden muss

Wissenstransfer ist nur dann wirksam, wenn er gemessen wird. Brauchbare Indikatoren gibt es auf zwei Ebenen. Operativ: Deployment-Frequenz, Fehlerrate, Recovery-Zeit, Onboarding-Geschwindigkeit, Anteil interner Artefakte an Commits und Architektur-Entscheidungen, Say-/Do-Ratio des Teams. Governance: Retros mit verbindlichen Maßnahmen, strukturierte Reifegrad-Bewertung je Person und Team, regelmäßige Wirksamkeits­prüfung der Weiterbildungs­maßnahmen.

Ohne diese Messung wird Wissenstransfer zu einer Zustandsbeschreibung („wir schulen“). Mit ihr wird er zu einer Praxis, die sich selbst korrigieren kann.

Was bleibt

Das Fundament ändert sich nicht. Wissen bleibt bei Menschen. Die Kaskade von externer Expertise über Multiplikator:innen zu Communities trägt weiter. Rollenspezifische Zuschnitte (Architekt:in, Fachexpert:in, Projektleitung, Betrieb) bleiben notwendig.

Was sich ändert, ist die Geschwindigkeit, mit der das Fundament gelegt werden kann. Eine Verwaltung, die KI konsequent als Lernbegleiter in der Praxis einsetzt, durchläuft die drei Phasen schneller, nicht weil sie weniger lernt, sondern weil sie weniger wartet. Und sie baut Kompetenz auf, bevor die Technik veraltet ist. Das ist der eigentliche Wert des Einsatzes.

Grundlage dieser Serie sind Gespräche mit Projektleiter:innen in öffentlicher Verwaltung und Industrie über Probleme, an denen sie arbeiten, und Stellen, wo es hakt. Verdichtete Beobachtungen, keine Strategiepapiere.