IMPRINT™ Framework

IMPRINT™ ist ein Vorgehensmodell für die Erfassung impliziten Wissens und seine Integration in digitale Wissenszwillinge. Es wurde von Prof. Dr. Florian Offergelt entwickelt und wird von quantics plus in Beratungsprojekten angewendet. Der Name steht für die Integration impliziten Wissens und für den Abdruck, den das Erfahrungswissen eines Menschen im digitalen Zwilling hinterlässt.

Das Framework beantwortet eine Frage, an der viele KI-Projekte im Wissensmanagement scheitern. Wie kommt das Wissen, das nur im Kopf einer erfahrenen Person existiert, in ein System, aus dem andere es abrufen können?

Warum es ein eigenes Vorgehen braucht

Wer eine erfahrene Fachkraft fragt, was sie weiß, bekommt eine unvollständige Antwort. Das liegt nicht am Willen. Expert*innen wissen mehr, als sie sagen können. Ihre Entscheidungen laufen automatisiert ab, die Regeln dahinter sind ihnen selbst nicht mehr bewusst. Ein Produktionsleiter hört an einem Geräusch, dass ein Lager in drei Wochen ausfällt. Fragt man ihn, woran er das erkennt, sagt er „Erfahrung“.

Dieses Wissen lässt sich nicht exportieren und nicht abfragen. Es muss mit Methoden erhoben werden, die für diesen Zweck entwickelt wurden, in der Kognitionspsychologie, in der Arbeitspsychologie und in der Expertiseforschung. IMPRINT™ ordnet diese Methoden in ein Vorgehen, das vom ersten Projekttag bis zum laufenden Betrieb reicht.

Die acht Phasen

Phase 1. Scope

Am Anfang steht die Klärung. Welches Wissen ist kritisch, wessen Wissen ist gemeint, wer trägt Verantwortung, welche Kennzahlen gelten. Datenschutz und Rechte am Wissen werden gleich am Anfang geregelt. Ebenso die Rollen im Projekt, also wer sponsert, wer das Wissen trägt, wer es pflegt und wer die Erhebung moderiert.

Phase 2. Knowledge Landscape

Bevor Wissen erhoben wird, muss klar sein, wo es liegt. Diese Phase kartiert die relevanten Prozesse, Systeme, Dokumente und Personen und erstellt daraus eine Knowledge System Map. Dazu gehören Gespräche mit den Teams und Schnittstellen, die mit der Expertin oder dem Experten arbeiten. Sie wissen oft besser als die Person selbst, welches Wissen sie täglich von ihr beziehen.

Phase 3. Explicit Capture

Alles, was bereits dokumentiert ist, wird gesammelt, gesichtet und nach Relevanz und Aktualität bewertet. Prozessbeschreibungen, Berichte, Wikis, Präsentationen, E-Mails. Auch hier hilft der Blick von außen. Welche Dokumente werden tatsächlich genutzt, und welche stehen nur im Laufwerk?

Phase 4. Tacit Capture

Das ist die Phase, die IMPRINT™ von einem gewöhnlichen Dokumentationsprojekt unterscheidet. Das Erfahrungswissen wird mit psychologischen Erhebungsmethoden zugänglich gemacht. Tiefeninterviews, Cognitive Task Analysis, Shadowing, Critical-Incident-Technik, Repertory Grid, Laddering, Think-Aloud. Ziel ist, Entscheidungslogiken, Heuristiken und Kontextwissen sichtbar zu machen, die der Person selbst nicht als Wissen erscheinen. Validierungsworkshops mit Kolleg*innen ergänzen die Einzelerhebung. Sie zeigen, welches Wissen andere längst indirekt übernommen haben und welches verloren gehen würde.

Phase 5. Structuring & Semantics

Das erhobene Wissen wird in standardisierte Wissenseinheiten überführt. Daraus entstehen Ontologien, Entscheidungsbäume, Heuristik-Sammlungen und Glossare. Begriffe und Zusammenhänge werden so festgelegt, dass eine Maschine sie verarbeiten kann, ohne dass die Bedeutung verloren geht.

Phase 6. Encode to Twin

Jetzt entsteht der digitale Wissenszwilling. Die strukturierten Wissenseinheiten werden in die technische Form überführt, die zum Anwendungsfall passt. Das kann ein Wissenskorpus für ein Sprachmodell sein, ein Playbook, ein Frage-Antwort-Modell, ein Entscheidungsbaum oder eine Simulation für Trainingsszenarien.

Phase 7. Validation & Hardening

Bevor der Zwilling in den Betrieb geht, wird er geprüft. Die Expertin oder der Experte selbst prüft, ob das abgebildete Wissen stimmt. Szenariotests zeigen, ob der Zwilling in realen Situationen richtig antwortet. Compliance-Prüfungen und gezielte Versuche, den Zwilling zu falschen Aussagen zu bringen, sichern ihn ab. Dazu gehören Reviews mit denen, die später damit arbeiten.

Phase 8. Sustain & Change

Ein Wissenszwilling, der nicht gepflegt wird, veraltet in Monaten. Diese Phase legt fest, wer den Zwilling aktualisiert, in welchen Abständen, nach welchen Kennzahlen. Und sie begleitet die Organisation dabei, den Zwilling tatsächlich zu nutzen. Das ist oft der schwierigere Teil.

Was IMPRINT™ von anderen Modellen unterscheidet

Die klassischen Modelle des Wissensmanagements beschreiben, wie Wissen in Organisationen fließt. Das SECI-Modell von Nonaka und Takeuchi zeigt, wie implizites und explizites Wissen ineinander übergehen. Das Bausteinmodell von Probst, Raub und Romhardt ordnet die Aufgaben des Wissensmanagements. Beide sind Theorien über Wissen.

IMPRINT™ ist ein Vorgehen mit einem konkreten Ergebnis. Am Ende steht ein digitaler Wissenszwilling, der das Erfahrungswissen einer bestimmten Person oder eines Teams enthält und im Alltag genutzt wird. Das Framework baut auf den Erkenntnissen der klassischen Modelle auf. Es schließt eine Lücke, die erst mit der Verfügbarkeit von Sprachmodellen praktisch relevant wurde, nämlich wie Erfahrungswissen in eine Form kommt, die eine KI verarbeiten kann.

Der zweite Unterschied liegt in der Herkunft. IMPRINT™ kommt aus der Forschung zu Knowledge Hiding, also zu der Frage, warum Menschen Wissen zurückhalten. Deshalb behandelt das Framework die Bereitschaft zur Weitergabe als eigene Aufgabe. Wer Erfahrungswissen erheben will, braucht das Vertrauen der Person, deren Wissen es ist. Ohne das liefert jede Methode nur die Oberfläche.

Dieses Wissen lässt sich nicht exportieren und nicht abfragen. Es muss mit Methoden erhoben werden, die für diesen Zweck entwickelt wurden, in der Kognitionspsychologie, in der Arbeitspsychologie und in der Expertiseforschung. IMPRINT™ ordnet diese Methoden in ein Vorgehen, das vom ersten Projekttag bis zum laufenden Betrieb reicht.

Entstehung

Florian Offergelt hat IMPRINT™ aus zwei Quellen entwickelt. Aus seiner Forschung zu Knowledge Hiding und Wissensweitergabe, mit Veröffentlichungen unter anderem im Journal of Organizational Behavior und im Journal of Knowledge Management. Und aus der Beratungspraxis bei quantics plus, wo die Frage nach der Sicherung von Erfahrungswissen in Nachfolge- und Transformationsprojekten immer wieder auftauchte, ohne dass es ein belastbares Vorgehen dafür gab.

Das Framework ist in „Künstliche Intelligenz im modernen Wissensmanagement“ (Offergelt, Hofreiter, Steiner, Springer Gabler 2025) beschrieben. In der Industrie wird es gemeinsam mit Stahl Automotive Consulting umgesetzt. Diese Zusammenarbeit ist für den Best of Industry Award 2026 in der Kategorie Künstliche Intelligenz nominiert.

Mehr über Florian Offergelt

Häufige Fragen zu IMPRINT™

Wer hat das IMPRINT™ Framework entwickelt?

Prof. Dr. Florian Offergelt, Wirtschaftspsychologe, Professor am Hochschulinstitut Schaffhausen und Managing Partner der Unternehmensberatung quantics plus in München.

Für die Integration impliziten Wissens. Der Name spielt auf den Abdruck an, den das Erfahrungswissen eines Menschen im digitalen Zwilling hinterlässt.

Für das Wissen einer einzelnen Person mehrere Wochen, für ein Team oder einen Standort entsprechend länger. Die Phasen 4 und 7, also Erhebung und Validierung, brauchen die meiste Zeit, weil sie von der Verfügbarkeit der Expert*innen abhängen.

Nein. Das Framework beschreibt das Vorgehen, die technische Umsetzung in Phase 6 richtet sich nach dem Anwendungsfall und der bestehenden Systemlandschaft. quantics plus arbeitet dabei mit Technologiepartnern zusammen.