Wissenstransfer als Wettbewerbsvorteil: Was Argote, Ingram und Kollegen seit 25 Jahren belegen

1. Die Grundthese (2000)

Argote und Ingram (2000) formulieren eine resource-based-view-These mit Wissensschwerpunkt: Firmen, die Wissen schneller, breiter und verlustärmer als ihre Wettbewerber transferieren können, generieren überdurchschnittliche Renditen. Wissen selbst ist nicht knapp — knapp ist die Transferfähigkeit [1, S. 151].

Empirische Evidenz lieferten u.a. Studien zur Lernkurve in Produktionsanlagen, zu Best-Practice-Transfer zwischen Filialen, und zu Internationalisierungserfolg multinationaler Konzerne. Die Größenordnungen sind beachtlich: Produktivitätsunterschiede zwischen baugleichen Werken erklärten sich in mehreren Studien zu 30–60 % durch Transferqualität, nicht durch Kapital- oder Technologieausstattung ^[1].

2. Die drei Knowledge Reservoirs

Argote und Ingram unterscheiden drei „Behälter“, in denen organisationales Wissen ruht:

| Reservoir | Beispiel | Risiko bei Personalwechsel | |---|---|---| | Members (Menschen) | Senior-Engineer mit Domänenwissen | Hoch — verschwindet mit der Person | | Tools/Tasks (Aufgaben/Tools) | SAP-Customizing, Konfigurationen | Mittel — bleibt, aber ohne Interpretation | | Networks (Beziehungen) | „Bei diesem Problem ruft man Klaus an“ | Sehr hoch — Transactive Memory zerfällt |

Der zentrale Befund: Reine Dokumentations-Ansätze adressieren nur das mittlere Reservoir. Member- und Network-Wissen verlangen andere Mechanismen — z.B. strukturierte Interviews, Rollen-Mapping und Beziehungsdiagramme [1, S. 153–155].

3. Mechanismen und Komponenten (2022)

Argote, Guo, Park und Hahl (2022) synthetisieren in der Virtual Special Issue von Organization Science die Forschung der letzten 20 Jahre. Sie identifizieren vier Komponenten erfolgreichen Transfers ^[2]:

1. Source — Sender mit Motivation, Wissen zu teilen
2. Recipient — Empfänger mit absorptiver Kapazität
3. Channel — Übertragungsmedium (face-to-face, Dokument, Tool, KI-System)
4. Knowledge Itself — Wissensart (tacit, explicit, complex, causally ambiguous)

Mechanismen, die in der Literatur konsistent als wirksam belegt sind:

• Movement of people (Job-Rotation, Übergabe-Tandems)
• Movement of routines (SOPs, Templates, KI-Workflows)
• Communities of practice
• Transactive memory systems (Wer-weiß-was-Verzeichnisse)
• Boundary spanners (Personen mit Brückenfunktion)

Die Befunde sind klar: Je näher die Wissensquelle am Empfänger arbeitet, desto höher die Transferqualität. Distanz — räumlich, hierarchisch, sprachlich — reduziert Transfer linear bis exponentiell [2, S. 1238].

4. Knowledge Stickiness — das Hindernis

Eng verbunden mit Argotes Forschung ist Szulanskis (1996) Konzept der „internal stickiness“: die Reibung, mit der Wissen zwischen Einheiten transferiert wird. Vier Faktoren erhöhen Stickiness:

1. Causal ambiguity — niemand weiß genau, warum etwas funktioniert.
2. Unproven knowledge — die Quelle wird nicht als glaubwürdig wahrgenommen.
3. Lack of absorptive capacity des Empfängers.
4. Arduous relationship zwischen Sender und Empfänger.

Wer Knowledge-Retention-Tools entwirft, muss sich bewusst sein: Stickiness ist die Default-Bedingung, nicht die Ausnahme. Erfolgreiche Systeme bauen aktiv Reduktionsmechanismen ein — z.B. Quellennachweise (gegen Glaubwürdigkeitslücke), strukturierte Templates (gegen Causal Ambiguity) und Onboarding-Pfade (gegen fehlende Absorption).

5. Transactive Memory: Das unsichtbare Reservoir

Eine der praktisch wichtigsten Erkenntnisse aus der Argote-Tradition: Transactive Memory Systems (TMS) — also das implizite Wer-weiß-was-Wissen einer Organisation — sind ein eigenständiger Wettbewerbsfaktor [2, S. 1240–1242].

In KMU, die seit Jahren mit demselben Kernteam arbeiten, ist TMS extrem dicht: Jeder weiß, wen er bei welchem Problem ruft. Bei Personalwechsel zerfällt dieses Netz dramatisch schnell — und ist kaum dokumentierbar, weil es prozedural funktioniert, nicht semantisch.

Implikation: Wissensmanagement-Tools, die nur Inhalte speichern, ignorieren TMS. Tools, die Rollen, Verantwortlichkeiten und Beziehungen sichtbar machen (z.B. über Rollenkarten, Skill-Maps, Audit-Logs), rekonstruieren TMS — und damit einen oft entscheidenden Teil des verlorenen Wissens.

6. Implikationen für KMU im DACH-Raum

Drei konkrete Konsequenzen für die Praxis:

Erstens — Transfer ist kein Speicher-Problem. Wer in Confluence, SharePoint oder Notion investiert, ohne Transfer-Mechanismen zu institutionalisieren, addressiert nur ein Reservoir. Member- und Network-Wissen bleiben blind.

Zweitens — Channels müssen passen. Tacit Knowledge transferiert sich schlecht über Text. Hier helfen Interview-basierte Tools, Audio-Capture, oder strukturierte Q&A-Sessions mit KI-Aufbereitung. Explizites Wissen transferiert sich gut über Dokumente — solange die Auffindbarkeit (RAG, Volltext, Tagging) stimmt.

Drittens — Boundary Spanner sichtbar machen. In jedem Mittelständler gibt es 2–5 Personen, durch die ein überproportionaler Anteil des Wissens fließt. Argotes Forschung legt nahe: Diese Personen verdienen eigene Capture-Workflows mit höherer Priorität — und ihre Beziehungs-Netzwerke gehören in das Risiko-Mapping.

7. Zusammenhang zur Knowledge-Retention-Architektur

Die Verbindung zu Levallet & Chan (2018) ist eng: Was Levallet & Chan als „Conversion“ beschreiben, ist in Argote-Terminologie der Transfer von Member-Reservoir in Tools/Task-Reservoir. Beide Forschungsstränge zeigen unabhängig: Ohne expliziten Transfer-Schritt geht Wissen verloren — auch wenn es technisch „gespeichert“ ist.

Die Konvergenz dieser Befunde mit Massinghams (2018) longitudinaler Quantifizierung ^[3] und Jennex et al. (2024) Risiko-Assessment ^[4] ergibt eine seltene wissenschaftliche Klarheit: Knowledge Transfer ist messbar, gestaltbar — und in den meisten Mittelständlern systematisch unterdimensioniert.

Fazit

25 Jahre Argote-Forschung lassen sich für die Mittelstands-Praxis auf einen Satz reduzieren: Sie verlieren keinen Wettbewerbsvorteil, weil Sie zu wenig wissen — sondern weil Ihr Wissen nicht transferierbar ist. Wer das ernst nimmt, baut keine Wikis. Er baut Transfer-Systeme.