BusFactor
Zurück zum Blog
Theorie & Methodik12 Min.12. Mai 20262000 Wörter

Polanyis *Tacit Dimension* neu gelesen: Was KI-basiertes Wissensmanagement *nicht* leisten kann

„We can know more than we can tell.” Michael Polanyis Satz aus 1966 ist heute in jedem KM-Pitch zu finden — meist als Aufhänger dafür, *warum* eine KI Tacit Knowledge nun endlich vollständig extrahieren könne. Polanyi selbst hätte dem widersprochen. Sein Buch ist eine *Theorie der Grenzen* expliziter Wissensrepräsentation. Wer es ernst nimmt, baut bessere Wissenssysteme — weil er weiß, was *nicht* automatisierbar ist.

1. Was Polanyi wirklich sagt

Michael Polanyi, gebürtiger Ungar, Naturwissenschaftler und später Sozialphilosoph, veröffentlichte The Tacit Dimension 1966 auf Basis seiner Terry Lectures an der Yale University. Die zentrale These steht auf Buchseite 4:

„we can know more than we can tell" [1, S. 4]

Im Marketing wird das als Versprechen gelesen: Es gibt verborgenes Wissen, das wir extrahieren können. Polanyi meinte das Gegenteil. Er argumentiert, dass dieses „Mehr-Wissen-als-Sagen-Können" eine Strukturmerkmal menschlicher Erkenntnis ist, nicht ein temporäres Dokumentationsdefizit.

Sein klassisches Beispiel: Wir erkennen Gesichter unter Tausenden, ohne die einzelnen Erkennungsmerkmale benennen zu können. Ein Diagnostiker erkennt eine Krankheit am Gesamteindruck, ein Mechaniker hört, ob ein Motor „rund läuft". Diese Erkenntnisleistung ist nicht durch eine ausführlichere Beschreibung ersetzbar — sie ist gerade die Integration vieler nicht-explizit benannter Hinweise.

2. Die from-to structure: Warum Wissensartefakte alleine nicht reichen

Polanyi entwickelt das Konzept der from-to structure [1, S. 9–10]: Wir achten von unspezifizierten Einzelhinweisen (proximal) auf ein integriertes Gesamtbild (distal). Beispiel: Wir achten von den Buchstaben auf den Sinn eines Satzes; wer beim Lesen plötzlich die Buchstaben isoliert betrachtet, verliert den Sinn.

Übertragen auf Knowledge Retention: Dokumente, Interviews, Snippets sind proximal. Ihr Sinn — die Fähigkeit, eine Situation zu beurteilen, einen Lieferanten richtig anzusprechen, eine Maschinendiagnose zu stellen — entsteht erst durch distale Integration im Handlungskontext. Wer Wissen nur sammelt, ohne Anwendungsbezug, zerlegt das Gesicht in Pixel.

3. Indwelling: Verstehen durch Hineinwohnen

Eine der für KM wichtigsten Stellen ist Polanyis Begriff des indwelling [1, S. 16–18]:

„Not by looking at things, but by dwelling in them" [1, S. 17]

Verstehen entsteht nicht durch externe Betrachtung von Wissenselementen, sondern durch Hineinwohnen in Muster, Werkzeuge und Praktiken. Ein:e Onboarding-Mitarbeitende:r versteht eine Maschine nicht durch Lektüre der SOP, sondern durch Bedienung der Maschine mit der SOP als Begleitung.

Für Knowledge-Retention-Systeme bedeutet das: Artefakte ohne Anwendungskontext bleiben unbenutzt. Q&A-Systeme, Onboarding-Szenarien, Pair-Working-Modi sind nicht Komfort — sie sind die Bedingung dafür, dass explizite Artefakte überhaupt Wissen werden.

4. Polanyis Warnung vor Over-Formalization

Auf Buchseite 18–20 formuliert Polanyi eine direkte Warnung:

„over-lucidity can destroy understanding" [1, S. 18]

Wer alles implizite Wissen vollständig in explizite Regeln zerlegt, kann das zu erklärende Phänomen zerstören. Das ist nicht romantische Skepsis, sondern erkenntnistheoretisch begründet: Ein Pianist, der bei jedem Anschlag bewusst über Fingerhaltung nachdenkt, spielt schlechter. Ein erfahrener Vertriebsmitarbeiter, der jeden Kundengang nach Checkliste abarbeitet, verliert den Beziehungs-Spürsinn.

Konsequenz für KM-Systeme: Explizierung ist kein Selbstzweck. Sie ist sinnvoll, wenn sie anschließend wieder in lebendige Anwendung integriert wird. Polanyi selbst betont das ausdrücklich: explizite Analyse kann Wissen vertiefen, wenn sie nicht stehen bleibt.

5. Was die aktuelle Forschung Polanyi bestätigt

a) XR-Studie von Brewster (HICSS 2026)

Jon Michael Brewster (Naval Postgraduate School) untersuchte in einem Within-Subjects-Design mit 28 Brückenteams und 158 Teilnehmenden, ob Extended Reality (XR) Tacit Knowledge in US-Navy-Brückenteams transferieren kann [2]. Die Befunde:

  • XR war einem teuren physischen Mockup nicht überlegen, aber vergleichbar in Workload, Usability und Vorbereitung.
  • Tacit Knowledge bei Shiphandling wird explizit als „1st person, spatial-temporal skills" charakterisiert.
  • Manche Tacit-Knowledge-Formen sind „difficult or impossible to transfer" allein durch schriftliche Instruktionen [2, Abstract].

Das ist Polanyi empirisch: Räumlich-zeitliches, verkörpertes Wissen entzieht sich textbasierter Capture. Ein Knowledge-Retention-System darf das nicht verschweigen.

b) Knowledge-Dimensions-of-Digital-Twins (Cahoe et al., HICSS 2026)

Cahoe, Richardson und Shives erweitern Nissens Knowledge-Flow-Modell um drei Bewertungsdimensionen: Tacit–Explicit, Segregated–Integrated, Private–Ubiquitous [3]. Ihr Befund: In den untersuchten Digital-Twin-Studien war Explicit in 96 % stark ausgeprägt, Ubiquitous in 59 %, Integrated nur in 55 %. Die Integration — Feedback-Loops, Echtzeit-Aktualisierung — ist der unentwickelste Aspekt.

Wörtlich: „tacit knowledge is difficult to capture fully" [3, S. 5154]. Auch hier: Polanyis Grenzaussage, mit aktueller Empirie unterfüttert.

6. Was das für KI-gestützte Wissenssicherung bedeutet

Polanyi liest sich heute fast wie eine Spezifikation realistischer KM-Systeme. Vier Designprinzipien lassen sich direkt ableiten:

a) Tacit-Knowledge-Ehrlichkeit

Knowledge-Capture-Systeme sollten explizit kommunizieren, was sie nicht leisten: vollständige Externalisierung von Erfahrungswissen. Sie leisten Teilexternalisierung überprüfbarer Bestandteile — und das ist viel.

b) Artefakt + Anwendung, nicht Artefakt allein

Wissensartefakte ohne Q&A-, Onboarding- oder Szenario-Anwendung verlieren ihre from-to structure. Designprinzip: Capture und Use im selben System, nicht in getrennten Tools.

c) Indwelling-Modi als Pflichtfeature

Onboarding, Shadowing, Pair-Working, Walk-throughs — diese „Indwelling"-Formate sind keine optionalen Add-Ons. Sie sind die Bedingung dafür, dass Artefakte zu Wissen werden.

d) Layered Capture statt Universalanspruch

Was kann gut kapturiert werden:

  • Entscheidungsregeln, Eskalationspfade
  • Sonderfälle, „Workarounds"
  • Lieferanten-/Kundenkontext
  • Wiederkehrende Routinen

Was kaum kapturiert werden kann (Polanyi/Brewster):

  • Körperlich-räumliche Fertigkeiten
  • Zeitkritische Wahrnehmungsleistung
  • Beziehungs-Spürsinn unter Druck

Hier hilft Capture nicht — hier hilft strukturiertes Mentoring, Shadowing, Übung. Ein ehrliches Knowledge-System bietet beides nebeneinander an.

7. Theorie als Werkzeug, nicht als Folklore

Polanyi wird in vielen KM-Texten als Zitat-Lieferant missbraucht. Wer das Buch tatsächlich liest, gewinnt zwei sehr praktische Werkzeuge:

  1. Eine Sprache, um Erwartungen ehrlich zu setzen. „Wir externalisieren überprüfbare Bestandteile, nicht das Ganze." Das ist eine bessere Verkaufsbotschaft als Overclaiming — weil sie nach 6 Monaten Pilot noch hält.

  2. Ein Design-Prinzip: Artefakt + Indwelling. Jedes Artefakt braucht ein dazugehöriges Anwendungs-/Übungsformat. Sonst bleibt es totes Dokument.

Beides ist nicht romantisch, sondern erkenntnistheoretisch begründet.

Fazit

Polanyi hat 1966 die Bedingungen formuliert, unter denen heutige KI-gestützte Wissenssysteme funktionieren oder scheitern. Wer Wissenssicherung im Mittelstand plant, verliert nichts dadurch, The Tacit Dimension zu lesen — er gewinnt eine realistische Erwartung und eine bessere Architektur.

Quellen

  1. [1]
    Polanyi, M. (1966/2009). The tacit dimension. University of Chicago Press (2009 ed.). ISBN 978-0-226-67298-4.
  2. [2]
    Brewster, J. M. (2026). To reality and beyond: Employing XR to facilitate tacit knowledge flow. Proceedings of the 59th Hawaii International Conference on System Sciences (HICSS), 5170–5179. https://hdl.handle.net/10125/112024
  3. [3]
    Cahoe, T., Richardson, M., & Shives, T. (2026). The knowledge dimensions of digital twins: An application of knowledge flow to digital twins. Proceedings of the 59th Hawaii International Conference on System Sciences (HICSS), 5151–5159. https://doi.org/10.24251/HICSS.2026.614
  4. [4]
    Finkel, P., & Wurster, P. (2026). Unlocking tacit knowledge in industrial production: Exploring barriers, practices, and LLM-driven potentials for knowledge management. Proceedings of the 59th HICSS, 4740–4749. https://doi.org/10.24251/HICSS.2026.567

Weiterlesen

Wie steht es um Ihren Bus-Faktor?

Lassen Sie uns die kritischen Rollen in Ihrem Unternehmen gemeinsam identifizieren — strukturiert, rollenbezogen und ohne Mitarbeiterüberwachung.

Kostenlose Risikoanalyse anfragen