LinkedIn Newsletter | Supply Chain & Logistics Executive Insights
April 2026 | Henrik Schneider | LLLOOP.AI / SCM for Logistics
Wie KI, Digitalisierung und systematisches Wissensmanagement den Fachkräftemangel in Logistik und SCM entschärfen
EXECUTIVE SUMMARY: 149.000 unbesetzte IT-Stellen. 325.000 zusätzliche Kräfte allein für Regulierung. Gleichzeitig geht in den kommenden Jahren das Erfahrungswissen einer ganzen Generation in Rente – undokumentiert, verstreut, unwiederbringlich. Das BVL Magazin 2026 beleuchtet den Dreiklang aus Fachkräftemangel, Bürokratielast und Wissensverlust. Die Lösung? Digitalisierung als strategischer Fokus, nicht als Einzelprojekt – und KI-gestütztes Wissensmanagement, das Erfahrungswissen systematisch erfasst, bevor es das Unternehmen verlässt.
1. Ausgangslage: Der dreifache Engpass
Die Zahlen sprechen eine deutliche Sprache. Laut der aktuellen Bitkom-Studie (Ende 2025) sind in Deutschland rund 149.000 IT-Stellen unbesetzt – ein strukturelles Defizit, das weit über konjunkturelle Schwankungen hinausgeht. Die vorhandenen Fachkräfte sind so stark in Tagesgeschäft und Compliance eingebunden, dass für Innovation kaum Luft bleibt.
Parallel dazu hat das Institut für Arbeitsmarkt- und Berufsforschung in Nürnberg ermittelt, dass Unternehmen in den vergangenen drei Jahren 325.000 zusätzliche Kräfte einstellen mussten – nicht für Wachstum, sondern ausschließlich, um Regulierungen wie DSGVO oder Lieferkettengesetze umzusetzen. Gerade in der Logistik bindet dieser Aufwand erhebliche Ressourcen: Meldepflichten, Dokumentationsanforderungen, Zollprozesse, regulatorisches Reporting bei grenzüberschreitenden Transporten.
Und dann ist da der dritte, oft unterschätzte Engpass: der Verlust von Erfahrungswissen. In den kommenden Jahren gehen in vielen Betrieben Mitarbeitende in den Ruhestand, die über Jahrzehnte hinweg intuitives Prozesswissen aufgebaut haben. Wissen, das nirgendwo dokumentiert ist. Wissen, das mit dem letzten Arbeitstag verschwindet.
2. Was wir von Estland lernen können
Dass Digitalisierung als strategischer Fokus und nicht als Projekt verstanden werden muss, zeigt das Beispiel Estland eindrucksvoll. Petra Holm, Digital Transformation Adviser des E-Estonia Briefing Centre, beschreibt eine Realität, die für deutsche Logistik-Entscheider wie Science-Fiction klingen mag:
„In Estland müssen wir als Bürgerin oder Bürger eigentlich gar nicht über den Staat oder über Bürokratie nachdenken.“ — Petra Holm, E-Estonia Briefing Centre
Unternehmensgründung in 15 Minuten. Keine Behördengänge. Keine Notartermine. Daten werden nur einmal erfasst. Was das für Logistik und Supply Chain Management bedeutet, ist enorm: Genehmigungen, Meldepflichten und der Datenaustausch entlang internationaler Lieferketten lassen sich drastisch vereinfachen – insbesondere datenintensive Abläufe wie Zoll- und Nachweispflichten oder der Informationsaustausch mit Behörden.
Die zentrale Erkenntnis: Automatisierte Prozesse in Logistik und Verwaltung entlasten Fachkräfte und ebnen den Weg für Bürokratieabbau. In den baltischen Staaten und in Polen ist das längst Realität.
Verstehen wir In Deutschland diese strategische Aufgabe, deren Dringlichkeit täglich wächst?
3. Das stille Risiko: Wenn Erfahrungswissen verschwindet
Doch selbst dort, wo Prozesse bereits digitalisiert sind, bleibt ein strukturelles Problem: Das Know-how erfahrener Mitarbeitender steckt in Köpfen – nicht in Systemen. Gerald Martinetz, KI-Experte bei Mindbreeze, bringt es auf den Punkt:
„Mitarbeitende legen Informationen oft in unterschiedlichen Systemen ab – auf E-Mail-Servern, Laufwerken wie SharePoint oder in CRM-Systemen.“ — Gerald Martinetz, Mindbreeze
Moderne KI-Systeme können diese fragmentierten Inhalte extrahieren, verknüpfen und als durchsuchbares Fachwissen bereitstellen. Was auf den ersten Blick nach IT-Projekt klingt, ist in Wahrheit eine Überlebensfrage für die operative Exzellenz in Logistik und SCM: Wer sichert das Wissen von Disponenten, die seit 20 Jahren intuitiv die richtigen Entscheidungen treffen? Wer dokumentiert die Erfahrungsmuster von Lagerleiterinnen, die Engpässe erkennen, bevor sie im System sichtbar werden?
4. Von der Forschung in die Praxis: Das KI_eeper-Projekt
Das Institut für angewandte Arbeitswissenschaft in Düsseldorf hat mit dem Projekt „KI_eeper – Know how to keep“ genau diesen Ansatz wissenschaftlich untersucht. Projektleiterin Nicole Ottersböck beschreibt den Kern der Herausforderung:
„Mitarbeitende wissen oft selbst nicht, was sie alles wissen.“ — Nicole Ottersböck, ifaa
Der Forschungsansatz: Statt Mitarbeitende nach ihrem Wissen zu befragen (was bei implizitem Erfahrungswissen scheitert), näherte sich das Team indirekt – über Sensorik, Kameras, Prozessdaten und Maschinenbeobachtungen in realen Produktionsumgebungen. KI erkennt Muster in den Handgriffen und Anpassungen erfahrener Mitarbeitender und kann diese Erkenntnisse für unerfahrene Kolleginnen und Kollegen kontextbezogen bereitstellen.
Die Parallelen zur Logistik liegen auf der Hand: Lager- und Umschlagprozesse, Disposition, Instandhaltung – überall dort, wo Entscheidungen auf Erfahrung beruhen und selten dokumentiert sind, entsteht ein Risiko. Und dieses Risiko wächst mit jedem erfahrenen Mitarbeitenden, der das Unternehmen verlässt.
5. Unternehmenswissen.AI: Erfahrungswissen systematisch sichern und nutzbar machen
Genau an diesem Punkt setzen wir mit Unternehmenswissen.AI an. Die im BVL Magazin 2026 beschriebenen Herausforderungen – fragmentiertes Wissen, fehlende Dokumentation, intuitive Entscheidungen, die nirgends erfasst sind – sind der Kern dessen, wofür wir Unternehmenswissen.AI entwickelt haben.
Die Grundlage von Unternehmenswissen.AI ist systematisch erfasstes und digitalisiertes Unternehmenswissen. Unstrukturiertes Wissen, Projektdaten, externe Wissensquellen – alles wird erfasst, strukturiert und für den rollenbasierten Zugriff aufbereitet. Was die Forschung mit Sensoren und Kameras in der Produktion leistet, kann Unternehmenswissen.AI in einen skalierbaren Ansatz für die breite Organisation übersetzen:
- Strukturierte Erfassung: Vorhandene Inhalte aus Projekten, Richtlinien und Fachdokumentationen werden gesichtet, bewertet und nutzbar gemacht.
- Erfahrungswissen-Interviews: Wissen, das bisher nur in Köpfen steckt, wird in strukturierten Gesprächen mit Schlüsselpersonen gezielt erhoben und dokumentiert.
- Automatisierte Wissenserfassung: Alltagswissen wird durch vollautomatisierte Interviews in der Breite der Organisation erfasst – skalierbar für große Belegschaften.
- KI-gestützte Logik: Die KI analysiert, ordnet und verknüpft erfasstes Wissen, erkennt Muster und bereitet Informationen präzise und kontextbezogen auf.
- Rollenbasierter Zugriff: Über eine intuitive Chatfunktion greifen Mitarbeitende jederzeit auf genau das Wissen zu, das sie für ihre Aufgabe benötigen.
Und das Entscheidende: Unternehmenswissen.AI richtet sich konsequent nach den Unternehmensstrategien aus – von der Digitalstrategie über die Vertriebsstrategie bis hin zur Nachhaltigkeitsstrategie. Es ist kein weiteres KI-Tool, das Wunder verspricht. Es ist die Brücke zwischen dem Wissen, das im Unternehmen existiert, und dem Wissen, das im Alltag verfügbar sein muss.
6. Die Grenzen kennen – und trotzdem handeln
Der BVL-Artikel benennt auch die Grenzen offen. Nicole Ottersböck resümiert klar:
„Die Daten sind das A und O. Um KI nutzen zu können, braucht man eine hochwertige Datenbasis – und genau daran scheitert es oft.“ — Nicole Ottersböck, ifaa
Und Gerald Martinetz warnt vor einem Kontrollverlust, wenn Unternehmensdaten unkontrolliert in externe KI-Tools fließen. Halluzinationen – also KI-generierte Antworten ohne realen Bezug – bleiben ein Risiko, wenn der Unternehmenskontext nicht sauber eingebunden ist.
Diese Einschränkungen decken sich mit unserer Erfahrung. Deshalb arbeitet Unternehnenswissen.AI in einer isolierten, VPN-basierten Sicherheitsarchitektur mit Hosting in Deutschland, getrennten Datenströmen und klar geregelten Zugriffsrechten. Der Mensch bleibt im, als Designprinzip.
7. Handlungsempfehlung: Drei Schritte, die Sie jetzt gehen sollten
- Wissensrisiko-Analyse durchführen: Identifizieren Sie die fünf Schlüsselpersonen in Ihrer Organisation, deren Weggang die größten Lücken hinterlassen würde. Wo steckt undokumentiertes Prozesswissen? Wo treffen Mitarbeitende täglich Entscheidungen, die nirgends erfasst sind?
- Digitalisierung als Priorität verankern: Estlands Erfolg basiert auf einem Prinzip: Daten nur einmal erfassen, Prozesse konsistent und datenbasiert organisieren. Prüfen Sie, wo in Ihren logistischen Abläufen Daten mehrfach erfasst, manuell übertragen oder in Insellösungen versteckt werden.
- Wissensmanagement als strategisches Projekt starten: Nicht als IT-Initiative, nicht als HR-Aufgabe – sondern als Business-Priorität mit C-Level-Sponsorship. Die Kombination aus strukturierter Wissenserfassung und KI-gestützter Bereitstellung ist heute technisch verfügbar. Was fehlt, ist in vielen Fällen nur die Entscheidung, es zu tun.
Fazit
Die im BVL Magazin 2026 beschriebene Situation ist kein Zukunftsszenario – sie ist Gegenwart. Der Fachkräftemangel wird sich nicht von selbst lösen. Die Bürokratielast wird nicht sinken, solange wir sie manuell bewältigen. Und das Erfahrungswissen Ihrer besten Leute wartet nicht darauf, dass jemand es dokumentiert.
KI kann Routinetätigkeiten automatisieren, Wissen zugänglich machen und Entscheidungen unterstützen. Sie ersetzt weder Erfahrung noch Verantwortung. Aber sie gibt uns die Werkzeuge, beides zu bewahren und zu skalieren.
Wo steht Ihr Unternehmen?
Welches Erfahrungswissen in Ihrer Organisation ist heute noch undokumentiert? Wo droht der größte Verlust, wenn Schlüsselpersonen gehen? Lassen Sie uns darüber sprechen – im Kommentar, per Nachricht oder in der nächsten Folge unseres Podcasts „Logistik aus der Praxis“.
Quellen & Referenzen
BVL Magazin 2026: „Mit KI Erfahrungswissen sichern“ (S. 12–13) | Bitkom-Studie IT-Fachkräftemangel (2025) | Institut für Arbeitsmarkt- und Berufsforschung, Nürnberg | E-Estonia Briefing Centre, Petra Holm | Mindbreeze GmbH, Gerald Martinetz | Institut für angewandte Arbeitswissenschaft Düsseldorf, Projekt KI_eeper, Nicole Ottersböck | Unternehmenswissen.AI (unternehmenswissen.ai)
Die neueste Ausgabe unseres Newsletters thematisiert den Fachkräftemangel in der IT und Logistik, den zunehmenden bürokratischen Aufwand sowie den Verlust von Erfahrungswissen durch den Ruhestand erfahrener Mitarbeitender. Es stellt Digitalisierung und KI-gestütztes Wissensmanagement als strategische Lösungsansätze vor, um diese Herausforderungen zu bewältigen und operative Exzellenz zu sichern.
- Dreifacher Engpass in Logistik und IT
- Estlands beispielhaftes Digitalisierungsmodell
- Erfahrungswissen bleibt ungenutzt
- KI_eeper-Projekt zur Wissenssicherung
- Unternehmenswissen.AI als Lösung
- Grenzen und Sicherheitsaspekte
- Handlungsempfehlungen für Unternehmen