Worst Case 100% Fluktuation: Wie smartes Onboarding den Wissenstransfer im Enterprise-Sektor sicherstellt

Randstad Digital und Forze Hydrogen Racing setzen auf Agentic AI, um die Produktivität zu steigern und die Einarbeitung zu beschleunigen

Der Verlust von institutionellem Wissen entwickelt sich für Unternehmen zunehmend zu einem kritischen Geschäftsrisiko. Getrieben durch den demografischen Wandel – insbesondere den Renteneintritt der geburtenstarken Jahrgänge – und eine anhaltend hohe Fluktuation in IT- und Engineering-Berufen, stehen Organisationen vor der Herausforderung, komplexes Fachwissen effizient an neue Mitarbeiter weiterzugeben.

Ein aktuelles Projekt von Google Cloud und Randstad Digital demonstriert nun, wie sogenannte „Agentic AI“ (handelnde Künstliche Intelligenz) diesen Flaschenhals auflösen und die „Time-to-Productivity“ beim Onboarding drastisch verkürzen kann.

Die Enterprise-Herausforderung: Wissenssilos und teures Onboarding

In modernen Enterprise-Umgebungen ist Onboarding weitaus mehr als nur eine administrative HR-Aufgabe. Laut Branchenanalysen benötigen hochqualifizierte Fachkräfte im Schnitt drei bis sechs Monate, bis sie in komplexen IT- oder Engineering-Projekten die volle Produktivität erreichen. Die direkten und indirekten Kosten für die Neubesetzung einer Spezialistenposition übersteigen dabei oft ein Jahresgehalt.

Erschwert wird dieser Prozess durch historisch gewachsene, fragmentierte Datenstrukturen. Technische Spezifikationen, Systemarchitekturen, CAD-Zeichnungen oder operative Richtlinien liegen oft in isolierten Silos, über hunderte Plattformen und Dokumente verstreut. Dies führt zu einer steilen Lernkurve für neue Mitarbeiter und einer starken Belastung erfahrener Fachkräfte (Seniors), die wertvolle Arbeitszeit für die Beantwortung wiederkehrender Grundlagenfragen aufwenden müssen.

Das Extremszenario als Blaupause: 100 Prozent Fluktuation

Wie eine technologische Lösung für dieses Problem aussehen kann, zeigt ein aktuelles Kooperationsprojekt, das als Stresstest für den unternehmerischen Wissenstransfer verstanden werden kann. Randstad Digital hat auf Basis von Google Clouds „Gemini Enterprise“ den KI-Agenten „Forze Mirate“ entwickelt.

Motivation war das Forze Hydrogen Racing Team, ein auf Wasserstoff-Rennwagen spezialisiertes Ingenieursprojekt, das jährlich eine Fluktuationsrate von 100 Prozent verzeichnet. Jedes Jahr müssen 50 bis 60 neue Ingenieure sofort an hochkomplexen Projekten weiterarbeiten, die auf 18 Jahren dezentral gespeicherter Entwicklungsgeschichte basieren.

Peter Kouwen, Director bei Randstad Digital in den Niederlanden, ordnet das Projekt in den Geschäftskontext ein: „Was hier auf jährlicher Basis passiert, ist die konzentrierte Version einer Herausforderung, der sich viele Unternehmen gegenübersehen: der Verlust kritischen institutionellen Wissens bei Personalwechseln.“

Vom Chatbot zum digitalen Mentor

Im Gegensatz zu einfachen textgenerierenden KI-Modellen agieren „Agentic AI“-Lösungen systemübergreifend und handlungsorientiert. Die Architektur des Systems synthetisiert dezentrale historische Daten und stellt sie über eine konversationsbasierte Schnittstelle zur Verfügung.

Für den Enterprise-Einsatz sind dabei zwei technologische Aspekte entscheidend:

1. Nachvollziehbarkeit (Grounded AI): Ingenieure können die Historie in natürlicher Sprache abfragen und erhalten rollenspezifische Antworten, die zwingend mit Quellenangaben zu den Originaldokumenten versehen sind. Dies minimiert das Risiko von KI-Halluzinationen, was im Engineering- und Compliance-Umfeld essenziell ist.
2. Multimodalität: Das System verarbeitet nicht nur Text, sondern auch visuellen Kontext. Anwender können beispielsweise Fotos von komplexen Verkabelungen oder Architekturen hochladen und erhalten in Echtzeit die relevanten technischen Spezifikationen sowie Sicherheitsrichtlinien.

Messbare Effekte auf die betriebliche Wertschöpfung

Die Implementierung der KI-Lösung zeigt laut den beteiligten Technologiepartnern konkrete, auf den Enterprise-Sektor übertragbare Ergebnisse:

• Beschleunigtes Onboarding: Die Zeit bis zur vollen Einsatzfähigkeit (Time-to-Productivity) der neuen Ingenieure wurde um den Faktor drei verkürzt.
• Ressourcenschonung bei Experten: Die Abhängigkeit von ehemaligen Mitarbeitern und Lead-Engineern sank um 80 Prozent. Technische Unterbrechungen für erfahrene Fachkräfte werden minimiert, was deren Kapazitäten für eigentliche Innovationsprozesse freispielt.
• Wissensbewahrung: Die Retention von institutionellem Wissen verbesserte sich messbar (laut Projektangaben um 50 Prozent). Iterative Entwicklungsfortschritte und sogenannte „Lessons Learned“ gehen bei personellen Wechseln nicht mehr verloren.

„Forze Mirate ist ein Beweis dafür, wie sich agentenbasierte KI nahtlos in Arbeitsabläufe integrieren lässt, um greifbare Geschäftsergebnisse zu erzielen“, sagte Joost Smit, Leiter von Google Cloud in den Benelux-Ländern. „Es ist ein Leitfaden dafür, wie Unternehmen ihr Humankapital zukunftssicher machen können.“

Fazit

Das Beispiel unterstreicht einen Paradigmenwechsel in der Enterprise-IT: Künstliche Intelligenz wandelt sich vom reinen Produktivitätstool für Einzelaufgaben zu einer strukturellen Komponente des Wissensmanagements. Wenn Organisationen in der Lage sind, ihre isolierten Daten in handlungsfähige Intelligenz zu übersetzen, verliert eine hohe Personalfluktuation einen Teil ihres wirtschaftlichen Schreckens. Intelligente Assistenten, die sich nahtlos in den Arbeitsfluss integrieren, werden somit zu einem entscheidenden Instrument, um das Humankapital von Unternehmen zukunftssicher zu machen und den ROI von Onboarding-Prozessen signifikant zu steigern.