Warum das Wissen ausscheidender Banker verschwindet, bevor es jemand aufschreibt

Wenn eine Firmenkundenberaterin nach 38 Jahren aufhört, räumt sie ihren Schreibtisch in einer Stunde. Ihr Wissen über Sicherheiten, Sonderfälle und die Historie hinter jedem großen Engagement räumt niemand ein.

Banken sichern das Erfahrungswissen ausscheidender Mitarbeiter, indem sie es vor dem Austritt strukturiert erfassen und in einer durchsuchbaren KI-Wissensdatenbank ablegen, aus der das Team später per natürlicher Frage Antworten zieht. Der Wissenstransfer per KI ersetzt kein Übergabegespräch. Er macht aus einmaligem Wissen abrufbares Wissen.

Wie groß ist die Ruhestandswelle in Banken und Sparkassen?

Die Zahlen sind eindeutig. Nach dem IW-Kurzbericht Nr. 39/2026 des Instituts der deutschen Wirtschaft erreichen bis 2036 fast 20 Millionen Erwerbstätige in Deutschland das Rentenalter, die Erwerbsbevölkerung schrumpft dadurch um rund 4,3 Millionen Menschen. Nachwuchs in dieser Größenordnung rückt nicht nach.

Banken trifft diese Welle härter als andere Branchen, weil ihre Belegschaft alt ist. Im privaten Bankgewerbe lag der Anteil der über 50-Jährigen bereits 2019 bei 38 Prozent, das Durchschnittsalter bei 45,3 Jahren (Arbeitgeberverband des privaten Bankgewerbes, ausgewertet vom Bank Blog). Seither ist die Belegschaft weiter gealtert.

In den Sparkassen ist der Druck noch größer. Nach internen Berechnungen, über die das IT-Finanzmagazin berichtet, scheidet dort bis 2030 rund ein Viertel der Mitarbeiter altersbedingt aus. Ein Viertel Ihrer Erfahrungsträger, in vier Jahren, mit dem Wissen von Jahrzehnten im Kopf.

Was KI beim Wissenstransfer wirklich leistet

KI hilft an drei Stellen. Erstens bei der Dokumentation: Ein Sprachmodell führt strukturierte Interviews mit ausscheidenden Fachkräften, fasst die Antworten zusammen und formt aus Notizen, alten Vermerken und Mails saubere Wissensbausteine.

Zweitens bei der Ablage. Statt in Ordnern und Köpfen liegt das Wissen in einer zentralen Datenbank, die ein Modell semantisch durchsucht. Drittens bei der Abfrage: Ein neuer Kollege fragt in eigenen Worten, warum ein bestimmtes Sicherheitenkonstrukt so gewählt wurde, und bekommt die Antwort samt Quelle und Fundstelle. Wie das in der Kreditbearbeitung aussieht, zeigt KI in der Marktfolge.

Wo KI beim Wissenstransfer an Grenzen stößt

Die Grenze ist klar. KI gibt nur wieder, was jemand vorher erfasst hat. Das feine Gespür dafür, wann ein Kunde trotz guter Zahlen kippt, und das Netz aus Beziehungen im Haus lassen sich schwer in Sätze fassen. Deshalb steht die Erfassung am Anfang, nicht das Werkzeug.

Dazu kommt die Governance. Kundendaten und interne Vermerke gehören in eine Umgebung, die aufsichtsrechtlich trägt, nicht in ein öffentliches Chatfenster. Wer das übergeht, tauscht ein Wissensproblem gegen ein Datenschutzproblem.

Womit Personalverantwortliche jetzt anfangen

Fangen Sie nicht mit der Technik an, sondern mit den Personen. Listen Sie die zehn Mitarbeiter, deren Austritt bis 2030 am meisten weh tut. Bei ihnen beginnt die Erfassung, lange vor dem letzten Arbeitstag, solange noch Zeit für Rückfragen bleibt.

Grenzen Sie danach einen Bereich ab, etwa die gewerbliche Kreditbearbeitung, und bauen Sie dort die erste Wissensdatenbank. Ein enges Feld liefert schneller belastbare Ergebnisse als ein Projekt über das ganze Haus, und der erste Erfolg trägt den Rest.

Wo Sotica ansetzt

KI beim Wissenstransfer zahlt sich nur aus, wenn Sie den Nutzen beziffern: eingesparte Einarbeitungszeit, weniger Rückfragen, schnellere Entscheidungen. Ob Sie den ROI messbar machen, entscheidet darüber, ob aus dem Pilot ein Programm wird.

Sotica startet mit einer Potenzialanalyse. Wir finden die Stellen, an denen ausscheidendes Wissen am teuersten ist, und zeigen im Workshop, wie eine KI-Wissensdatenbank in Ihrem Haus konkret aussieht. Buchen Sie ein Erstgespräch, bevor der nächste Erfahrungsträger das Haus verlässt und sein Wissen mitnimmt.