KI-Wissenstransfer im Mittelstand: das BOT-Modell

Warum Wissenstransfer über den Erfolg entscheidet

Viele KI-Projekte im Mittelstand scheitern nicht an der Technik, sondern am Tag nach der Einführung. Die Lösung läuft, doch das Wissen darüber, wie sie funktioniert und wie man sie weiterentwickelt, liegt allein beim Dienstleister. Sobald dieser geht, steht das Unternehmen vor einem System, das es selbst nicht versteht. Aus einem Erfolg wird eine Abhängigkeit.

Der Branchenverband Bitkom verzeichnet für 2025 eine deutlich wachsende Verbreitung von KI in deutschen Unternehmen. Je mehr KI in den Kern der Wertschöpfung rückt, desto riskanter wird es, dieses Wissen dauerhaft außer Haus zu halten. Wer KI strategisch nutzt, kann es sich auf Dauer nicht leisten, die eigene Schlüsselfähigkeit einem externen Partner zu überlassen.

Der entscheidende Unterschied zwischen einer KI, die dauerhaft Wert schafft, und einer, die zur Last wird, liegt im Wissenstransfer. Es genügt nicht, dass eine Lösung gebaut wird. Das Wissen über ihre Funktionsweise, ihre Daten, ihre Grenzen und ihre Pflege muss am Ende im Haus des Unternehmens liegen. Nur dann kann das Unternehmen die KI verantworten, weiterentwickeln und im Zweifel auch ohne den ursprünglichen Anbieter betreiben.

Genau hier setzt das Modell Build, Operate, Transfer an, kurz BOT. Es macht den Wissenstransfer nicht zum zufälligen Nebenprodukt, sondern zum festen Bestandteil der Lieferung. Eine erfahrene Leitung baut die Lösung auf, betreibt sie zunächst und übergibt sie dann samt Wissen geordnet an das interne Team. Am Ende steht nicht nur ein funktionierendes System, sondern ein Unternehmen, das es selbst beherrscht.

Eine KI gehört erst dann wirklich Ihnen, wenn auch das Wissen darüber bei Ihnen liegt

Ein System, das nur der Dienstleister versteht, ist kein Vermögenswert, sondern eine Abhängigkeit. Wissenstransfer verwandelt eine gelieferte Lösung in eine eigene Fähigkeit, die bleibt, auch wenn der externe Partner geht.

Dieser Leitartikel beschreibt, warum dauerhafte Abhängigkeit das eigentliche Risiko ist, wie das BOT-Modell mit seinen drei Phasen funktioniert, wie sich Wissenstransfer vertraglich und praktisch absichern lässt und wie sensified Wissen so überträgt, dass es am Ende im Haus des Unternehmens bleibt.

Das Problem der dauerhaften Abhängigkeit

Die größte Gefahr eines KI-Projekts ist nicht der Fehlschlag, sondern der Erfolg, der in eine dauerhafte Abhängigkeit führt. Eine Lösung, die gut funktioniert, aber nur von außen verstanden wird, bindet das Unternehmen auf Jahre an einen einzigen Partner. Jede Änderung, jede Erweiterung und jede Fehlerbehebung muss eingekauft werden, oft zu Bedingungen, die das Unternehmen kaum noch verhandeln kann.

Diese Abhängigkeit hat mehrere Gesichter. Da ist die Wissensabhängigkeit, bei der niemand im Haus erklären kann, wie die KI zu ihren Ergebnissen kommt. Da ist die technische Abhängigkeit, bei der die Lösung so gebaut ist, dass sie sich nur schwer von einem Anbieter lösen lässt. Und da ist die strategische Abhängigkeit, bei der das Unternehmen seine wichtigsten digitalen Fähigkeiten nicht mehr selbst steuert. Wie sich die technische Seite dieser Bindung vermeiden lässt, beschreibt der Beitrag Vendor-Lock-in bei KI vermeiden.

Besonders tückisch ist, dass diese Abhängigkeit selten bewusst gewählt wird. Sie entsteht schleichend, weil im Projekt die Lieferung im Vordergrund steht und der Wissenstransfer als Nebensache behandelt wird. Am Ende ist die Lösung fertig, aber das Wissen ist beim Dienstleister geblieben. Genau diesen Fehler vermeidet ein Modell, das den Transfer von Anfang an einplant.

Die Kosten dieser Abhängigkeit zeigen sich oft erst spät. Solange alles läuft, scheint die enge Bindung an einen Partner bequem. Sie wird teuer, wenn Anpassungen nötig werden, wenn der Partner seine Preise erhöht oder wenn die Zusammenarbeit endet und das Unternehmen ohne eigenes Wissen dasteht. Dann muss es entweder zu fast jedem Preis beim alten Partner bleiben oder einen kostspieligen Neuanfang wagen. Beide Wege sind teurer als ein von Beginn an geplanter Wissenstransfer. Wer die Abhängigkeit vermeidet, zahlt etwas mehr im Aufbau und spart über die Jahre ein Vielfaches.

Was das BOT-Modell ist

Das BOT-Modell stammt ursprünglich aus dem Aufbau großer Infrastrukturen und lässt sich auf den KI-Einsatz im Mittelstand übertragen. Die drei Buchstaben stehen für die drei Phasen Build, Operate und Transfer, also Aufbauen, Betreiben und Übergeben. Der Grundgedanke ist einfach: Ein erfahrener Partner übernimmt zunächst, was das Unternehmen noch nicht selbst kann, und gibt es Schritt für Schritt ab, sobald die eigene Fähigkeit gewachsen ist.

In der ersten Phase, Build, wird die Lösung aufgebaut. In der zweiten Phase, Operate, wird sie betrieben, überwacht und stabilisiert, während parallel der Wissensaufbau im Unternehmen beginnt. In der dritten Phase, Transfer, geht die Verantwortung samt Wissen und Dokumentation an das interne Team über. Am Ende steht das Unternehmen auf eigenen Beinen.

Das BOT-Modell ist dabei ein Mittelweg zwischen zwei wenig attraktiven Extremen. Das eine Extrem ist der vollständige Eigenbau, bei dem ein Unternehmen ohne ausreichende Erfahrung eine KI aufbaut und dabei viel Zeit und Lehrgeld verliert. Das andere Extrem ist die vollständige Auslagerung, bei der das Unternehmen zwar schnell eine Lösung erhält, aber dauerhaft abhängig bleibt. BOT verbindet das Beste aus beiden Wegen: die Geschwindigkeit und Sicherheit eines erfahrenen Partners im Aufbau und die Eigenständigkeit, die am Ende beim Unternehmen liegt. Es ist damit besonders für den Mittelstand geeignet, der weder die Zeit für lange Eigenexperimente noch den Wunsch nach dauerhafter Fremdsteuerung hat.

Diese Zeiträume sind Richtwerte, keine festen Größen. Entscheidend ist nicht der Kalender, sondern der Reifegrad des internen Teams. Der Transfer beginnt nicht erst am Ende, sondern wird über alle Phasen vorbereitet. Genau das unterscheidet das BOT-Modell von einem klassischen Projekt, das mit der Lieferung endet und das Unternehmen mit einem System zurücklässt, das es nicht selbst tragen kann.

Phase Build: aufbauen

In der Build-Phase entsteht die Lösung. Ein erfahrener Partner klärt zunächst das Ziel, entwirft die Architektur und baut das System gemeinsam mit dem Unternehmen auf. Schon hier wird der spätere Transfer mitgedacht, indem die Lösung von Anfang an verständlich, dokumentiert und ohne unnötige Abhängigkeiten gebaut wird.

Wichtig ist, dass die Build-Phase nicht hinter verschlossenen Türen abläuft. Wenn das Unternehmen von Beginn an einbezogen ist, entsteht bereits hier ein erstes Verständnis. Die internen Personen, die später Verantwortung übernehmen sollen, sind keine Zuschauer, sondern begleiten den Aufbau. Dieser frühe Einbezug ist kein Luxus, sondern die Grundlage dafür, dass der spätere Transfer gelingt. Eine Lösung, die das interne Team zum ersten Mal am Tag der Übergabe sieht, lässt sich kaum übernehmen.

Die Build-Phase endet nicht mit einem fertigen System allein, sondern mit einem System samt seiner Dokumentation. Architekturentscheidungen, Datenflüsse und Abhängigkeiten werden festgehalten, sodass sie nachvollziehbar bleiben. Diese Dokumentation ist später das Rückgrat des Wissenstransfers und zugleich die Grundlage für Auditfähigkeit und Betrieb.

Phase Operate: betreiben und übergeben vorbereiten

In der Operate-Phase läuft die Lösung im Alltag. Der Partner betreibt sie zunächst, überwacht sie und behebt Probleme, sorgt also für einen stabilen Betrieb. Diese Phase hat aber eine zweite, ebenso wichtige Aufgabe: den planvollen Aufbau der internen Kompetenz.

Während das System läuft, übernimmt das interne Team schrittweise mehr Aufgaben. Es lernt, die Überwachung zu lesen, kleinere Anpassungen vorzunehmen und auf Vorfälle zu reagieren. Der Partner begleitet diesen Aufbau, gibt Verantwortung gezielt ab und steht als Rückhalt bereit. So wächst die Fähigkeit des Unternehmens mit jedem Monat, statt erst am Ende in einem großen Schritt entstehen zu müssen. Wie lange dieser Kompetenzaufbau realistisch dauert, ordnet der Beitrag KI-Kompetenzaufbau und die Brücke über externe Leitung ein.

Die Operate-Phase ist damit das Herzstück des Wissenstransfers. Sie ist lang genug, dass das interne Team nicht nur theoretisch lernt, sondern im echten Betrieb Erfahrung sammelt. Und sie ist sicher, weil der Partner noch die Verantwortung trägt, solange die eigene Kompetenz nicht ausreicht. Ein Unternehmen, das diese Phase ernst nimmt, geht gestärkt in den Transfer.

Phase Transfer: übergeben

In der Transfer-Phase geht die Verantwortung endgültig an das Unternehmen über. Das interne Team übernimmt den Betrieb, die Weiterentwicklung und die Verantwortung für die KI. Der Partner zieht sich planvoll zurück, bleibt aber für eine Übergangszeit als Rückhalt erreichbar, falls Fragen auftreten.

Ein gelungener Transfer ist mehr als die Übergabe von Zugängen. Er umfasst die vollständige Dokumentation, das Wissen über die Funktionsweise und die Pflege, die geklärten Rollen und die Sicherheit, dass das Team im Ernstfall selbst reagieren kann. Deshalb wird der Transfer nicht überstürzt, sondern entlang klarer Kriterien vollzogen. Erst wenn das Team die wichtigsten Aufgaben eigenständig bewältigt, ist die Übergabe abgeschlossen.

Am Ende des Transfers steht das eigentliche Ziel des gesamten Modells: eine KI, die das Unternehmen selbst beherrscht, verantwortet und weiterentwickelt. Das Wissen liegt im Haus, die Abhängigkeit ist aufgelöst, und der einst externe Partner ist überflüssig geworden. Genau dieser Zustand ist der Maßstab, an dem sich ein guter Wissenstransfer messen lässt.

Wichtig ist, dass der Transfer nicht als harter Schnitt gedacht wird, sondern als gleitender Übergang. In den ersten Wochen nach der Übergabe bleibt der Partner als Rückhalt erreichbar, sodass das interne Team bei unerwarteten Fragen nicht allein dasteht. Diese Sicherheit senkt das Risiko des Übergangs erheblich und gibt dem Team das Vertrauen, die Verantwortung wirklich zu übernehmen. Mit jeder selbst gelösten Aufgabe wächst die Eigenständigkeit, bis der Rückhalt schließlich nicht mehr gebraucht wird. So endet das Mandat nicht mit einem Bruch, sondern mit einem ruhigen Auslaufen, an dessen Ende die volle Souveränität des Unternehmens steht.

Wann sich das BOT-Modell lohnt und wann nicht

Das BOT-Modell ist kein Allheilmittel. Es lohnt sich dort, wo eine KI eine dauerhafte, strategisch wichtige Fähigkeit werden soll, die das Unternehmen langfristig selbst tragen will. Für eine solche Schlüsselfähigkeit ist die Investition in den Wissenstransfer gut angelegt, weil sie die teure und riskante Dauerabhängigkeit vermeidet.

Weniger sinnvoll ist das Modell für eine kleine, abgegrenzte Anwendung ohne strategische Bedeutung, die ein Standardwerkzeug ebenso gut abdeckt. Hier wäre der Aufbau eigener Kompetenz überdimensioniert. Die ehrliche Unterscheidung zwischen einer strategischen Fähigkeit und einer austauschbaren Hilfsfunktion ist deshalb der erste Schritt. Nicht jede KI muss ins eigene Haus übertragen werden, aber die wichtigen sollten es.

Ein zweiter Faktor ist die Bereitschaft des Unternehmens, in den eigenen Aufbau zu investieren. Das BOT-Modell verlangt, dass interne Personen Zeit und Auftrag erhalten, das Wissen aufzunehmen. Wer diese Bereitschaft nicht mitbringt, wird auch mit dem besten Partner keine Eigenständigkeit erreichen. Das Modell ersetzt nicht den eigenen Willen zur Souveränität, es kanalisiert ihn. Wo dieser Wille vorhanden ist, bietet BOT den geordneten Weg dorthin. Wo er fehlt, hilft auch das beste Modell nicht über die Abhängigkeit hinweg.

Schließlich spielt der Zeithorizont eine Rolle. Das BOT-Modell zahlt sich über Jahre aus, nicht in Wochen. Ein Unternehmen, das eine KI nur für ein kurzfristiges, einmaliges Vorhaben braucht, ist mit einer reinen Dienstleistung oft besser bedient. Geht es dagegen um eine Fähigkeit, die das Unternehmen über Jahre begleiten und prägen wird, ist der geordnete Transfer die wirtschaftlich und strategisch klügere Wahl.

Hilfreich ist es, diese Entscheidung bewusst zu treffen, statt sie dem Zufall zu überlassen. Eine kurze, ehrliche Einordnung jeder geplanten KI-Anwendung danach, ob sie strategisch oder austauschbar ist, schafft Klarheit darüber, wo sich der Aufwand eines Wissenstransfers lohnt. So fließt die begrenzte Energie eines Mittelständlers genau in die Fähigkeiten, die er wirklich selbst beherrschen muss, und nicht in jede beliebige Anwendung. Diese Priorisierung ist selbst ein wichtiger Teil einer reifen KI-Strategie.

Wissenstransfer als Lieferbestandteil, nicht als Nebenprodukt

Der wichtigste Unterschied zwischen einem BOT-Mandat und einem gewöhnlichen Projekt liegt in der Haltung zum Wissen. In einem klassischen Projekt ist die gelieferte Lösung das Ergebnis, und das Wissen darüber bleibt beim Dienstleister. In einem BOT-Mandat ist der Wissenstransfer selbst ein Lieferbestandteil, der genauso verbindlich vereinbart wird wie die Software.

Diese Verschiebung hat Folgen für die gesamte Zusammenarbeit. Wenn der Transfer zum vereinbarten Ergebnis gehört, wird er von Anfang an mitgeplant, dokumentiert und überprüft. Er ist kein freiwilliges Entgegenkommen, das im Projektstress untergeht, sondern eine Pflicht, an der sich der Erfolg des Mandats misst. Das verändert auch die Anreize: Ein Partner, der zum Transfer verpflichtet ist, baut die Lösung von vornherein so, dass sie übergeben werden kann.

Für das Unternehmen bedeutet das Sicherheit. Es kauft nicht nur eine Lösung, sondern die Fähigkeit, sie selbst zu betreiben. Der Wissenstransfer ist damit kein Risiko mehr, das am Ende vielleicht gelingt, sondern ein vereinbartes Ziel, auf das die gesamte Zusammenarbeit ausgerichtet ist.

Wer den Transfer nicht vereinbart, wird ihn selten bekommen

Wissenstransfer geschieht nicht von selbst. Nur wenn er als verbindlicher Lieferbestandteil vereinbart ist, wird die Lösung von Anfang an übergabefähig gebaut und das interne Team rechtzeitig aufgebaut. Alles andere führt zurück in die Abhängigkeit.

Typische Fehler beim Wissenstransfer

Auch ein gut gemeintes BOT-Mandat kann am Wissenstransfer scheitern, wenn typische Fehler nicht vermieden werden.

Der erste Fehler ist der zu späte Beginn. Wird der Transfer erst in der letzten Phase angegangen, fehlt die Zeit, echte Kompetenz aufzubauen. Der zweite Fehler ist die fehlende interne Aufnahmebereitschaft. Wenn kein Mitarbeiter Zeit und Auftrag hat, das Wissen aufzunehmen, läuft der beste Transfer ins Leere. Wissenstransfer braucht auf beiden Seiten einen aktiven Partner.

Der dritte Fehler ist die lückenhafte Dokumentation. Wenn die Lösung nur in den Köpfen einiger Entwickler existiert, lässt sie sich nicht übergeben. Der vierte Fehler ist eine Architektur, die bewusst oder unbewusst an einen Anbieter bindet und damit den Transfer technisch erschwert. Der fünfte Fehler ist der überstürzte Rückzug des Partners, bevor das interne Team wirklich tragfähig ist. Ein guter Transfer hat klare Kriterien dafür, wann er abgeschlossen ist, und richtet sich nicht nach einem willkürlichen Termin.

Hinter diesen Fehlern steht oft ein falscher Anreiz. Ein Dienstleister, der vom laufenden Betrieb lebt, hat wenig Interesse daran, sich selbst überflüssig zu machen. Genau deshalb ist es wichtig, dass der Transfer von vornherein als Ziel vereinbart ist und der Partner ein Interesse an seinem Gelingen hat. Wer einen Partner wählt, dessen Geschäftsmodell auf dauerhafter Abhängigkeit beruht, sollte sich über das Ergebnis nicht wundern. Das BOT-Modell funktioniert nur mit einem Partner, der die eigene Ablösung als Erfolg versteht und nicht als Verlust.

Wie Sie den Wissenstransfer absichern

Damit der Wissenstransfer nicht dem Zufall überlassen bleibt, lässt er sich auf mehreren Ebenen absichern. Diese Absicherung gehört in jedes Mandat, das ernsthaft auf Eigenständigkeit zielt.

Die erste Ebene ist vertraglich. Der Transfer wird als verbindliches Ergebnis vereinbart, mit klaren Kriterien dafür, wann er als erfüllt gilt. Dazu gehören die Übergabe der Dokumentation, der Daten und, wo eigene Software entsteht, des Quellcodes sowie geregelte Rechte für den Fall eines Anbieterwechsels. Welche Klauseln dabei zählen, beschreibt der Beitrag KI-Anbieterverträge mit AVV, EU-Hosting und Audit-Exit.

Die zweite Ebene ist organisatorisch. Im Unternehmen wird benannt, wer das Wissen aufnimmt und später die Verantwortung trägt. Diese Personen erhalten die Zeit und den Auftrag, sich einzuarbeiten. Dass die Beteiligten dabei ein ausreichendes Maß an KI-Kompetenz aufbauen, ist seit dem EU AI Act ohnehin eine regulatorische Erwartung und fügt sich nahtlos in den Transfer ein. Die dritte Ebene ist technisch: Eine Architektur ohne unnötige Abhängigkeiten und eine vollständige Dokumentation machen die Lösung überhaupt erst übergabefähig. Eine offene, gut betreibbare Plattform erleichtert den Transfer zusätzlich, wie der Beitrag Managed KI-Plattform für den Mittelstand zeigt.

Den Transfer absichern heißt, ihn überprüfbar zu machen

Ein Wissenstransfer, der nicht an klaren Kriterien gemessen wird, bleibt ein Versprechen. Erst vereinbarte Ergebnisse, benannte Personen und eine übergabefähige Architektur machen aus dem Versprechen eine belastbare Zusage.

Wie sensified Wissen überträgt

sensified übernimmt für mittelständische Unternehmen die strategische KI-Leitung und arbeitet von Anfang an auf die eigene Souveränität des Unternehmens hin. Der Wissenstransfer ist dabei kein Nebenprodukt, sondern das erklärte Ziel jedes Mandats. Am Ende soll das Wissen im Haus liegen, nicht beim Dienstleister.

Der Einstieg ist ein Discovery-Workshop, in dem das Vorhaben geklärt und der Weg zur Eigenständigkeit skizziert wird. Auf dieser Grundlage arbeitet ein festes Duo aus einem KI-Architekten und einem Domänenexperten, das die Lösung gemeinsam mit dem Unternehmen aufbaut und das interne Team von Beginn an einbezieht. So entsteht Wissen nicht erst am Ende, sondern wächst über die gesamte Zusammenarbeit.

Für größere Vorhaben folgt ein Mandat nach dem Prinzip Build, Operate, Transfer. sensified baut die Lösung, betreibt sie zunächst samt Überwachung und übergibt sie dann mitsamt Dokumentation, geklärten Rollen und der nötigen Kompetenz an das interne Team. Die dauerhaft verantwortete Leitung in dieser Übergangszeit beschreibt der Beitrag externe KI-Leitung im Mittelstand. Am Ende steht ein Unternehmen, das seine KI selbst beherrscht und weiterentwickelt.

Dieser Ansatz beruht auf einer einfachen Überzeugung: Der Erfolg eines Mandats bemisst sich nicht daran, wie unentbehrlich der Partner wird, sondern daran, wie eigenständig das Unternehmen am Ende ist. sensified versteht die eigene Ablösung deshalb nicht als Verlust, sondern als das vereinbarte Ziel. Diese Haltung prägt jede Phase, vom ersten Entwurf der Architektur über die Dokumentation bis zur geplanten Übergabe. Sie ist der Grund, warum am Ende nicht nur eine Lösung steht, sondern eine Fähigkeit, die dem Unternehmen gehört und es unabhängig macht.

Nächste Schritte

Ein guter Wissenstransfer beginnt mit einer ehrlichen Frage: Wenn unser wichtigster KI-Dienstleister morgen nicht mehr verfügbar wäre, könnten wir unsere KI selbst weiterbetreiben? Fällt die Antwort unsicher aus, ist genau das der Ausgangspunkt für ein Mandat, das auf Eigenständigkeit zielt.

Wenn Sie wissen möchten, wie ein Weg von der ersten Lösung bis zur eigenständig betriebenen KI in Ihrem Haus aussieht, sprechen Sie mit uns. In einem ersten Gespräch ordnen wir Ihre Situation ein und zeigen, wie ein geführtes Mandat nach dem BOT-Prinzip dafür sorgt, dass am Ende das Wissen und die Kontrolle in Ihrem Haus liegen. So entsteht kein weiteres Projekt, das von einem Dienstleister abhängt, sondern eine eigene Fähigkeit, die bei Ihnen bleibt und auf die Sie aufbauen können.