Wie viel Arbeitszeit Mitarbeitende mit Suchen verlieren — die empirische Bestandsaufnahme

Warum Suchzeit der bessere Pain-Indikator ist als „fehlende Dokumentation"

Klassische Wissensmanagement-Diskussionen drehen sich um Dokumentationsquote, Wikis und SOPs. Das ist die falsche Messgröße. Die forschungsseitig validere Kennzahl ist Time-to-Information: Wie lange dauert es, bis ein:e Mitarbeitende:r die für eine Aufgabe nötige, geprüfte Information vorliegen hat? Diese Kennzahl misst nicht den Aufwand der Wissenserzeuger, sondern den tatsächlichen Produktivitätsverlust der Wissensnutzer.

Die zwei wichtigsten empirischen Bezugspunkte dazu kommen aus sehr unterschiedlichen Welten: ein Adobe-gesponserter IDC-Branchenreport aus 2012 und eine peer-nahe Studie israelischer Forschender aus 2024. Beide kommen — bei aller methodischen Verschiedenheit — auf konsistente Größenordnungen.

1. IDC (Webster, 2012): Die 21,3-Prozent-Lücke

Melissa Webster analysierte für IDC im Auftrag von Adobe eine Online-Befragung von 1.200 Personen (840 Information Workers, 360 IT Professionals) in sechs Ländern: USA, UK, Frankreich, Deutschland, Australien und Japan ^[1]. Die Kernbefunde:

• Information Worker verbringen 49,5 Stunden pro Woche mit dokumentenbezogenen Aktivitäten — obwohl sie ihre Arbeitswoche selbst nur mit 44,7 Stunden angeben.
• 23,5 Stunden pro Woche (47,4 % der dokumentbezogenen Zeit) entfallen auf dokumentenbezogene Herausforderungen: erfolglose Suche, Rekonstruktion, Versionierung, Feedback-Konsolidierung.
• Der monetäre Schaden: 19.732 USD pro Information Worker und Jahr, eine Produktivitätslücke von 21,3 % auf Organisationsebene.

Die Studie ist nicht peer-reviewed und vom Hersteller gesponsert. Ihre Stärke ist die Stichprobengröße und das länderübergreifende Design; ihre Schwäche der Dokumenten-Bias (Adobe verkauft PDF-Workflows). Für unseren Zweck nutzen wir sie als Größenordnungs-Anker, nicht als wissenschaftliches Hauptargument.

2. Nakash & Bouhnik (2024): Die „New Normal"-Befunde

Maayan Nakash und Dan Bouhnik (Bar-Ilan University, Jerusalem College of Technology) untersuchten 716 Beschäftigte aus vier israelischen Regierungsstellen während der Post-COVID-Phase ^[2]. Methodisch sauber, mit ausgewiesener Reliabilität (Cronbach α = 0,78). Die Befunde:

| Tägliche Suchzeit | Anteil | n | |---|---|---| | ≤ 30 Minuten | 67,18 % | 481 | | ~1 Stunde | 22,34 % | 160 | | ≥ 2 Stunden | 10,47 % | 75 |

Das heißt: Ein Drittel der Befragten verliert pro Woche einen halben bis ganzen Arbeitstag allein mit dem Suchen. Zusätzlich zeigt die Studie:

• 31,42 % stimmen stark oder vollständig zu, dass COVID-19 / hybrides Arbeiten die Suchzeit erhöht hat.
• Suchzeit und wahrgenommene Information-Management-Qualität korrelieren hochsignifikant: F(2,705) = 13,84, p < .001.
• Hochwertiges IM ist operationalisiert als: „fully documented, accessible, easily and quickly retrieved, up-to-date, complete, relevant, and shared" [2, S. 3] — fast ein Pflichtenheft für jedes ernsthafte Knowledge-Retention-System.

3. Konvergenz statt Widerspruch

Die zwei Studien stammen aus unterschiedlichen Jahrzehnten, Branchen und methodischen Traditionen. Trotzdem zeigen sie konvergente Muster:

1. Suchzeit ist ein realer, messbarer Produktivitätsverlust, nicht ein Komfortproblem.
2. Hybride Arbeit verschärft die Friktion, weil dokumentierte und nicht-dokumentierte Wissensquellen weiter fragmentieren.
3. Generische Collaboration-Tools lösen das Problem nicht — IDC formulierte 2012 bereits: „general-purpose collaborative applications … don't fully address" ^[1] die dokumentzentrierte Natur der Wissensarbeit.

McKinsey-Sekundärzahlen aus dem Nakash-Paper (1,8 h/Tag bzw. 9,3 h/Woche Suchzeit) zeigen, dass die Größenordnung auch in dritten Datenquellen wiederkehrt — wir verwenden sie hier bewusst nur als Vergleichshinweis, nicht als Primärbefund.

4. Bedeutung für rollenbasierte Wissenssicherung

Wer Wissensmanagement im KMU als reine Dokumentationsinitiative aufsetzt, bekämpft das falsche Problem. Die Befunde sprechen für drei Designentscheidungen:

a) Search Time als operativer KPI

Statt „Anzahl Wiki-Artikel" oder „Adoption Rate" sollten Piloten mit einer Search-Time-Baseline beginnen: Wie lange brauchen 30 Mitarbeitende heute, um zehn typische Rollenfragen beantwortet zu bekommen? Diese Baseline ist nach 90 Tagen reproduzierbar messbar. Nakash & Bouhnik liefern dazu auch das Begründungsraster: längere Suchzeit → niedrigere IM-Qualität → höhere Frustration.

b) Permission-aware Retrieval statt Wiki-Suche

Information-Management-Qualität verlangt laut Nakash & Bouhnik gleichzeitig zugänglich und geteilt. In der Praxis heißt das: Antworten müssen rollenkonform sein (kein Wissensleck über Rollen hinweg), aber dort, wo sie geteilt sein dürfen, mit Quelle und Stand erscheinen. Generische Volltextsuche scheitert an beiden Anforderungen.

c) Rekonstruktion explizit messen

IDC weist 2,0 h/Woche allein für die Rekonstruktion nicht auffindbarer Dokumente aus ^[1]. Das ist der direkteste Indikator für organisationales Vergessen: Wissen war einmal da, ist aber operativ nicht mehr abrufbar. In rollenbasierten Knowledge-Retention-Systemen ist das die kritischste Stelle für den Capture-Sprint vor dem Offboarding.

5. Methodische Caveats — was diese Zahlen nicht belegen

• Kein Beleg für Tacit-Knowledge-Verlust. Beide Studien messen explizites, dokumentbezogenes Wissen. Tacit Knowledge (Polanyi, 1966) braucht andere Erhebungsverfahren ^[3].
• Kein Kausalzusammenhang zur Mitarbeiterfluktuation. Search-Time-Verlust und Knowledge Loss durch Turnover (Galan, 2023) sind verwandte, aber unterschiedliche Phänomene ^[4].
• Sample-Bias. Nakash & Bouhnik nutzen israelische Regierungsstellen, IDC primär US-Großorganisationen. Übertragbarkeit auf deutsche KMU ist plausibel, aber nicht bewiesen — entsprechend sollten KMU eigene Baselines erheben.

Fazit

Die Frage „Lohnt sich Wissensmanagement?" ist falsch gestellt. Die richtige Frage lautet: Wie hoch ist heute Ihre Search-Time-Baseline pro Rolle? Wenn Sie sie nicht kennen, haben Sie keine Grundlage, einen Vorher-Nachher-Effekt zu zeigen — und auch keine Grundlage, eine Investition zu priorisieren. Die empirische Evidenz ist da. Sie wartet darauf, im eigenen Unternehmen reproduziert zu werden.