Warum wir Mira gebaut haben: Shopfloor-Wissen sichern, bevor es zur Tür hinausgeht.

Es ist faszinierend zu sehen, wie unterschiedlich Unternehmen verschiedener Branchen mit Wissen umgehen.

In der Software- und Produktentwicklung haben wir jahrzehntelang Systeme gebaut, die bewahren, was eine Organisation weiß. Entwickler committen Code und dokumentieren Änderungen. Product Manager schreiben Anforderungen. Qualitätsteams erstellen Testfälle. Vertriebsteams hinterlassen E-Mails, Skripte, CRM-Historien und Gesprächsnotizen. Entscheidungen sammeln sich in Jira, Confluence, Notion, GitHub, Slack und Dutzenden weiteren Systemen an.

Die Arbeit selbst hinterlässt eine Spur.

Mit dem Wachstum eines Unternehmens wird diese Spur unverzichtbar. Jeden Monat kommen neue Leute dazu, die verstehen müssen, wie die Dinge heute funktionieren und warum Hunderte Entscheidungen getroffen wurden, bevor sie da waren. Eine gute interne Wissensbasis wird Teil des organisatorischen Gedächtnisses und Teil des Wettbewerbsvorsprungs.

Und trotzdem: Sobald wir das Büro verlassen und auf den Shopfloor gehen, verschwindet ein Großteil dieser Infrastruktur.

Das wichtigste Wissen steckt dort fast ausschließlich in den Köpfen der Menschen.

Ein erfahrener Techniker weiß, wie eine Maschine klingen soll. Er weiß, welches Bauteil er bei einem bestimmten Symptom zuerst prüft. Er weiß, wie viel Kraft nötig ist, wo er hinschauen muss, was üblicherweise schiefgeht und welche Abkürzung sicher ist, weil er denselben Vorgang hundertfach ausgeführt hat.

Das alles aufzuschreiben ist schwierig. Und oft ist Text auch gar nicht das richtige Medium.

Warum Praxiswissen auf dem Shopfloor visuell ist

Für manche Arten von Wissen funktionieren Handbücher und technische Dokumentation gut. Eine schriftliche Beschreibung lässt sich in ein mentales Modell und dann in Handlung übersetzen.

Für andere Arten ist Text schlicht das falsche Medium.

Die Gegenbehauptung kennst du vermutlich, denn sie steht bis heute in Schulungsunterlagen quer durch die Industrie: Die meisten Menschen seien "visuelle Lerntypen". Diese Theorie und die Zahl "65 % der Menschen sind visuelle Lerntypen", die meist mitgeliefert wird, sind in der Forschung wiederholt geprüft worden und halten nicht stand. Sie sind ein Mythos.

Was die Forschung stützt, ist enger und nützlicher: Bei körperlicher, sequenzieller, prozeduraler Arbeit schlägt Zeigen das Beschreiben.

Die Belege dafür sind alt und solide. In einem kontrollierten Experiment, vorgestellt auf der ACM CHI 2003, senkten visuelle, räumlich verankerte 3D-Arbeitsanweisungen die Fehlerquote bei der Montage um 82 %, verglichen mit Papier- oder Bildschirmanweisungen. Eine Metaanalyse des US-Bildungsministeriums von 2010 fand, dass zusätzliche Videos die Lernergebnisse generell nicht verbessern, dass Einzelstudien Video aber durchgängig vorn sehen, wenn es um genau eine Kategorie geht: praktische, prozedurale Handgriffe. Richard Mayers Forschung zum multimedialen Lernen erklärt, warum: Worte plus passende Bilder schlagen Worte allein, weil das Arbeitsgedächtnis nicht damit beschäftigt ist, aus einer Beschreibung erst ein Bild zu rekonstruieren.

Wenn du erklären willst, wie man eine Einstellung in einer Anwendung ändert, reichen Text und Screenshots meist völlig aus.

Wenn du erklären willst, wie man ein Fahrrad repariert, eine Hydraulikkomponente an einem Bagger tauscht oder eine komplexe Industriemaschine wartet, dann vermittelt das Zusehen bei einem erfahrenen Kollegen Dinge, die mehrere Seiten Anleitung nur schwer einfangen.

Du siehst die Reihenfolge.

Du siehst die Hände.

Du siehst die Werkzeuge.

Du hörst die Erklärung, während die Arbeit tatsächlich passiert.

Die Aussage lautet nicht "Menschen lernen durch Zusehen". Sie lautet: "Diese Art von Arbeit wird durch Zusehen gelernt".

Und, vielleicht am wichtigsten: Der Experte muss jahrelange verkörperte Erfahrung nicht erst in formale Dokumentation übersetzen.

Dieser Unterschied im Medium ist deshalb so wichtig, weil Industrieunternehmen zur gleichen Zeit vor einem viel größeren Umbruch stehen.

Experten bleiben nicht für immer: das Problem des Wissenstransfers

In allen Industrieländern nähert sich eine große Generation sehr erfahrener Beschäftigter dem Ruhestand. Das ist nicht einfach ein Einstellungsproblem. Es ist ein Wissenstransferproblem. Unternehmen können neue Techniker einstellen. Sie können die 20 bis 30 Jahre Erfahrung, die mit einem langjährigen Mitarbeiter gehen, nicht sofort ersetzen.

Handbücher und ERP-Systeme erfassen diese Art von Wissen nicht, weil vieles davon implizit ist und aus Wiederholung, Fehlern, Beobachtung und Jahren ungewöhnlicher Problemfälle entsteht. Und Hersteller tun sich ohnehin schwer, genügend Fachkräfte für die Abgänge zu finden.

Für Deutschland gibt es dazu eine Zahl. Der VDI/IW-Ingenieurmonitor, den der VDI vierteljährlich gemeinsam mit dem Institut der deutschen Wirtschaft veröffentlicht, beziffert den Wertschöpfungsverlust durch unbesetzte Ingenieur- und IT-Stellen auf 9 bis 13 Milliarden Euro pro Jahr. Im selben Zeitraum ging die Zahl der Ingenieurstudierenden zwischen 2016 und 2023 um mehr als 11 % zurück, während die Babyboomer-Welle in den Ruhestand rollt. Der VDI selbst folgert, dass sich die Lücke nur mit ausländischen Ingenieuren und Fachkräften schließen lässt.

Diese Zahl bezieht sich auf Ingenieur- und IT-Berufe, nicht direkt auf den Shopfloor. Lies sie also als Richtung, nicht als Kopfzahl für Instandhaltungstechniker. Die Richtung ist eindeutig.

Auf dem Shopfloor selbst ist das Muster noch schärfer, und dafür gibt es eine deutsche Zahl. Die Bundesagentur für Arbeit weist aus, dass mehr als ein Viertel der Beschäftigten im Verarbeitenden Gewerbe zwischen 55 und 65 Jahre alt ist, gegenüber 23 % in der Gesamtwirtschaft, nach knapp 17 % ein Jahrzehnt zuvor. Verarbeitendes Gewerbe und Finanzdienstleistungen sind die beiden Branchen, die in dieser Verschiebung am weitesten sind.

Dort, wo die Arbeitsmarktdaten feiner aufgelöst sind, zeigt sich dasselbe Muster auch anderswo. Das Manufacturing Institute stellte fest, dass fast ein Viertel der US-Industriebelegschaft bereits 55 Jahre oder älter war und dass 97 % der Hersteller zumindest teilweise besorgt über den Wissensabfluss sind. Deloitte und das Manufacturing Institute rechnen bis 2033 mit bis zu 3,8 Millionen zu besetzenden Industriestellen in den USA, von denen 1,9 Millionen unbesetzt bleiben könnten.

Diese beiden Kräfte verstärken sich gegenseitig. Es gibt weniger erfahrene Leute, die anlernen können, weniger Nachwuchs in vielen technischen Berufen, und die, die kommen, sind in einer völlig anderen Informationswelt aufgewachsen. In den Befragungen von Deloitte und dem Manufacturing Institute war der größte einzelne Grund für unbesetzte Stellen weder Bezahlung noch Standort. Es waren die veränderten Erwartungen der Berufseinsteiger an den Job, genannt von 38 % der Industrieverantwortlichen.

Ihr ganzes Leben lang konnten sie, wenn sie etwas lernen wollten, danach suchen, es sich ansehen und sofort nachfragen. Dann kommen sie zur Arbeit und wir geben ihnen ein PDF.

Darunter liegt eine zweite Verschiebung. Die Menschen, die die Generation im Ruhestand ersetzen, sprechen zunehmend kein Deutsch als Muttersprache. Laut Bundesagentur für Arbeit arbeiten inzwischen rund 6,5 Millionen ausländische Staatsangehörige in Deutschland, etwa jeder sechste Beschäftigte, ein Anteil, der sich seit 2010 mehr als verdoppelt hat. Das Wissen eines Experten festzuhalten, ist nur die halbe Arbeit, wenn die Person, die es braucht, der Aufnahme nicht folgen kann.

Am deutlichsten zeigt sich das in den technischen Berufen. Der Anteil ausländischer Staatsangehöriger in deutschen Ingenieurberufen hat sich seit 2012 nahezu verdoppelt, und 2024 hatten mehr als vier von zehn Studienanfängerinnen und Studienanfängern in den Ingenieurwissenschaften keinen deutschen Pass.

Dieser Bruch ist einer der Gründe, warum wir glauben, dass Mira jetzt existieren muss.

Wissen zu erfassen darf kein zweiter Job werden

Es gibt noch eine Lehre, die wir aus der digitalen Welt mitgebracht haben.

Selbst Softwarefirmen, in denen praktisch alle ohnehin den ganzen Tag am Rechner sitzen und Text produzieren, tun sich schwer, gute interne Dokumentation zu pflegen.

Die Leute haben zu tun.

Dokumentation veraltet.

Ein Entwickler löst ein Problem und geht zum nächsten. Eine Product Managerin entscheidet etwas im Meeting und aktualisiert das Wiki nie. Alle sind sich einig, dass Wissensmanagement wichtig ist, und trotzdem konkurriert das Pflegen der Wissensbasis dauerhaft mit der eigentlichen Arbeit.

Wie sollen wir dann von einem Servicetechniker oder Maschinenbediener erwarten, dass er es besser macht?

Er hat nicht zwangsläufig den ganzen Tag einen Laptop offen. Sein Job ist es, die Maschine zu warten, das Bauteil zu montieren, den Fehler zu diagnostizieren oder die Linie wieder zum Laufen zu bringen.

Wenn Wissenserfassung bedeutet, genau das zu unterbrechen, sich an einen Schreibtisch zu setzen, zu rekonstruieren, was man gerade getan hat, es zu erklären, zu formatieren, hochzuladen, zu verschlagworten und aktuell zu halten, dann sollte uns eine leere Wissensdatenbank nicht überraschen.

Der Zustand der Werkzeuge an der Front macht das deutlich. In einer Befragung von 1.000 Frontline-Beschäftigten in Großbritannien, den USA und Kanada fand YOOBIC 2021, dass 73 % weiterhin mit Papierformularen arbeiten und 40 % höchstens einmal im Jahr geschult werden. Das deckt sich mit dem, was wir vor Ort sehen.

Der Fehler liegt nicht darin, dass die Belegschaft nicht teilen will.

Der Fehler liegt darin, Wissenssysteme zu bauen, die aus Fachkräften Wissensmanager machen.

Unsere Hypothese bei Mira ist fast das Gegenteil: Wissen erfassen, während die Arbeit passiert.

Eine erfahrene Fachkraft führt den Vorgang aus und erklärt dabei, was sie tut. Die Aufnahme wird zum rohen Wissensasset. Mira macht daraus strukturiertes, durchsuchbares und mehrsprachiges Material und stellt dieses Wissen über eine dialogfähige Oberfläche bereit.

Einmal aufnehmen.

Vielfach nutzen.

Experten teilen bereitwilliger, als wir dachten

Einer der Momente, die unsere Überzeugung verändert haben, passierte in einem frühen Pilotprojekt bei einem Maschinenbauer.

Wir zeichneten gerade mit einem Servicetechniker eine Wartung an einer komplexen Maschine auf.

Ein anderer Mitarbeiter kam vorbei, sah die Kamera und fragte, was wir da machen. Er wurde neugierig.

Wir erklärten das Experiment.

Seine Reaktion war im Kern: Kann ich das auch mal?

Nach vielleicht dreißig Sekunden hatte er die Kamera umgeschnallt. Er führte den Vorgang aus und kommentierte dabei, was er tat, so selbstverständlich, als hätte er jahrelang Lehrvideos gedreht.

Niemand musste ihn überreden.

Niemand musste ihn durch einen Workshop über Wissensmanagement schicken.

Er hat die Idee sofort verstanden.

Dann sah er, was nach der Verarbeitung passierte. Aus einer beiläufigen Aufnahme seiner Arbeit war etwas geworden, das andere durchsuchen, ansteuern und befragen konnten.

Dieser Moment war für uns wichtig, weil wir anderswo immer wieder das Gegenteil gehört hatten.

Auf Messen und in Gesprächen mit Industrieunternehmen sagten uns Leute aus dem Bürobereich gelegentlich, Beschäftigte auf dem Shopfloor würden sich niemals selbst aufnehmen oder auf diese Weise Wissen beitragen wollen.

Unsere Erfahrung auf dem Shopfloor war eine ganz andere, und das Hindernis war nicht die Bereitschaft.

Es war die Reibung.

Damit stehen wir nicht allein. Der Microsoft Work Trend Index befragte 9.600 Frontline-Beschäftigte in acht Branchen und acht Märkten und fand 63 % von ihnen begeistert von den beruflichen Möglichkeiten, die neue Technologie eröffnet. Auf die Frage, was ihren Stress tatsächlich senken würde, landete bessere Technik auf Platz drei, hinter besserer Bezahlung und mehr Urlaub, aber vor fast allem anderen, was das Management anbieten könnte.

Diese Befragung misst die Nachfrage nach besseren Werkzeugen, nicht speziell die Bereitschaft, einen Vorgang aufzunehmen. Aber die Richtung passt zu dem, was wir im Piloten gesehen haben, und sie liegt auf einem alten Ungleichgewicht: Geschätzt 80 % der weltweiten Erwerbstätigen arbeiten nicht am Schreibtisch, und auf diese 80 % entfiel historisch rund 1 % der Softwareinvestitionen, so die Schätzung von Emergence Capital.

Der Bedarf ist seit Jahren da. Die Werkzeuge nicht.

Diese Unterscheidung hat unser Denken über Mira grundlegend geprägt.

Wissenserfassung muss nahezu störungsfrei sein.

Der Experte darf nicht zum technischen Redakteur werden.

Er soll seine Arbeit machen, erklären, was er tut, und weitergehen.

Auch der Shopfloor will KI: was Beschäftigte an der Front wirklich sagen

Es gibt eine weitere Annahme, die aus unserer Sicht veraltet: dass KI vor allem eine Technologie für Büroarbeit sei.

Maschinenbediener, Servicetechniker und Außendiensttechniker sind keine andere Spezies. Sie nutzen dieselben Smartphones, suchen online nach Antworten und setzen KI zunehmend im Privatleben ein.

Es wäre seltsam, von ihnen zu erwarten, dass sie zur Arbeit kommen und plötzlich ein 20 Jahre altes Informationserlebnis bevorzugen.

Die Adoptionsdaten haben sich längst bewegt. Die repräsentative Bitkom-Befragung von 552 deutschen Industrieunternehmen ab 100 Beschäftigten vom März 2025 fand 42 %, die KI bereits in der Produktion einsetzen, und weitere 35 %, die es vorbereiten. Drei von vier sind also im Umbruch oder kurz davor, und 82 % sagen, KI werde entscheidend für die Wettbewerbsfähigkeit der deutschen Industrie sein. Dieselbe Befragung fand die Hälfte in abwartender Haltung und 46 % besorgt, die deutsche Industrie könnte den Umbruch verschlafen.

Lies die 42 % präzise. Sie umfassen KI in der Produktion im weiten Sinn, also auch Maschinenüberwachung, Robotersteuerung und Energieoptimierung, nicht assistive KI in der Hand eines Technikers. In der deutschen Wirtschaft insgesamt hat sich die KI-Nutzung laut Bitkom binnen eines Jahres verdoppelt, von 20 % in 2024 auf 36 % in 2025, und nur noch 17 % der Unternehmen nennen KI "kein Thema", nach 41 % zuvor. Global fand die Deloitte-Befragung 2025 Smart Manufacturing and Operations unter 600 Führungskräften 24 %, die generative KI auf Werks- oder Netzwerkebene ausgerollt haben, und 38 % in der Pilotphase.

Die eigentliche Frage ist also nicht, ob der Shopfloor KI nutzen wird. Die Frage ist, was den Kontakt mit dem Shopfloor überlebt. McKinseys State of AI sieht die organisatorische Verbreitung generativer KI bei rund 78 %, während nur ein einstelliger Prozentsatz sie bis zu messbarem Ergebnisbeitrag skaliert hat. Die MIT-Zahl für Piloten mit messbarer P&L-Wirkung liegt bei etwa 5 %.

Wir halten diese Lücke nicht für ein Rätsel. Die meiste KI auf dem Shopfloor ist nicht in den eigenen Maschinen, Abläufen und Begriffen des Unternehmens verankert.

Allgemeine Antworten und lange Prompts reichen nicht. Das System muss echte Maschinen, echte Abläufe und echtes Unternehmenswissen verstehen und Antworten auf vertrauenswürdige Quellen zurückführen. Sprache, Video und mobile Nutzung werden zentral. Mira ist um diese Idee herum gebaut: Antworten sind in tatsächlich aufgezeichneter Arbeit verankert und verlinken zurück auf den genauen Moment in der Quelle.

Eine weitere Zahl aus derselben Bitkom-Befragung gehört klar benannt, weil sie auch unsere eigene Position ist: 93 % der deutschen Unternehmen hätten ihre KI lieber von einem deutschen Anbieter. Mira wird in Deutschland gebaut und gehostet, und die Daten bleiben in der EU.

Es geht nicht darum, KI auf den Shopfloor zu bringen, weil sie gerade in Mode ist. Es geht darum, dass KI endlich zu der Art passt, wie dieses Wissen entsteht und genutzt wird. Eine Fachkraft sollte sich nicht durch ein Handbuch oder durch Dokumentationsebenen arbeiten müssen. Sie sollte einfach fragen können.

Von Wissensverlust zu Wissen, das sich summiert

Es gibt noch ein menschlicheres Ergebnis, auf das wir hoffen.

Stell dir eine erfahrene Fachkraft vor, die immer wieder dieselbe Frage beantwortet. Montag ruft ein Kollege an. Drei Wochen später ein anderer. Dann meldet sich ein weiterer Standort mit demselben Fehler. Ihre Expertise ist wertvoll, aber der Zugang dazu bedeutet jedes Mal eine Unterbrechung.

Dieser Aufwand ist an beiden Enden messbar. Das McKinsey Global Institute bezifferte die Zeit, die Beschäftigte mit Suchen und Zusammentragen von Informationen verbringen, auf rund 1,8 Stunden pro Tag, fast 20 % der Arbeitswoche, und fand, dass ein durchsuchbarer Wissensbestand diese Suchzeit um bis zu 35 % senken kann. Der Bericht stammt aus dem Jahr 2012; kleiner ist das Problem seither nicht geworden. Im Service liegt die Referenzquote für Erstlösungen laut Aberdeen bei rund 75 %. Ungefähr jeder vierte Einsatz braucht damit einen zweiten, und etwa 25 % dieser Wiederholungseinsätze passieren, weil dem Techniker vor Ort das nötige Wissen oder Können fehlte.

Experten nicht mehr unterbrechen, um ihr Wissen zu nutzen

Jetzt stell dir vor, sie zeigt den Vorgang ein einziges Mal. Monate später haben Hunderte Menschen ihn angesehen, durchsucht oder ihr Problem damit gelöst.

Und am meisten profitieren genau die Menschen, die die Ausscheidenden ersetzen. In der größten und saubersten Studie zu einem KI-Assistenten im Arbeitsalltag, erschienen im Quarterly Journal of Economics, begleiteten Forschende 5.179 Support-Mitarbeitende und maßen einen durchschnittlichen Produktivitätsgewinn von 14 %, der bei Berufseinsteigern und weniger qualifizierten Kräften auf 34 % stieg, bei den erfahrensten dagegen kaum wirkte. Dieselbe Studie fand, dass der Assistent die sprachliche Sicherheit im Englischen verbesserte, besonders bei internationalen Mitarbeitenden.

Dieses Muster wiederholt sich überall dort, wo sauber gemessen wurde. Entwickler mit einem KI-Programmierpartner erledigten eine Programmieraufgabe in einem kontrollierten Versuch 55,8 % schneller, und die größten Zuwächse hatten die Unerfahrensten. In einem Feldexperiment mit 758 Beraterinnen und Beratern der Boston Consulting Group lieferten die KI-Nutzer Arbeit, die rund 40 % höher bewertet wurde, und arbeiteten 25 % schneller. Auch hier gewannen die unterdurchschnittlich Bewerteten am meisten. Eine Studie mit 263 Klinikerinnen und Klinikern, erschienen in JAMA Network Open, zeigte einen Rückgang des Burnout von 51,9 % auf 38,8 % nach dreißig Tagen mit einem KI-Assistenten für die Dokumentation.

Entwickler, Berater und Ärzte haben alle einen Assistenten bekommen, der die harten Teile leichter macht. Der Servicetechniker noch nicht.

Dasselbe Wissen hilft immer weiter, ohne Wiederholung. Der Effizienzgewinn liegt auf der Hand. Aber da ist noch etwas: Stolz. Die eigene, über Jahre gewachsene Erfahrung quer durch die Organisation genutzt zu sehen, verändert, wie sich dieses Wissen anfühlt. Es verschwindet nicht mehr nach jeder Schicht, es summiert sich.

Erfahrung in dauerhaft nutzbaren Wert verwandeln

Das ist die Verschiebung, um die es uns geht. Digitale Unternehmen haben gelernt, alltägliche Arbeit in bleibendes organisatorisches Wissen zu verwandeln. Industrieunternehmen sollten dieselbe Fähigkeit haben. Nicht, indem der Shopfloor zum Büro wird, sondern indem wir Systeme bauen, die zu der Art passen, wie physische Arbeit tatsächlich abläuft.