Record a Skill: Wer erbt das Wissen der Babyboomer?

Anthropic hat ein neues Feature für Claude Cowork vorgestellt: „Record a Skill". Die Idee dahinter ist denkbar einfach. Statt einen Arbeitsschritt in einem Prompt zu beschreiben, zeichnet man den eigenen Bildschirm auf, führt die Aufgabe einmal aus und kommentiert dabei laut, worauf man achtet und warum. Claude wertet Klicks, Tastatureingaben und Sprachkommentar aus und baut daraus einen wiederverwendbaren Skill, den es später selbstständig ausführen kann. Verfügbar ist das Feature aktuell für Pro-, Max- und Team-Abonnenten in der Cowork-Umgebung der Claude-Desktop-App für Mac. (Quelle: BornCity, Search Engine Journal)

Ganz neu ist das Prinzip nicht: OpenAI hatte mit „Record and Replay" für Codex bereits am 18. Juni etwas sehr Ähnliches vorgestellt, dort allerdings ohne Verfügbarkeit im Europäischen Wirtschaftsraum, in der Schweiz und in Großbritannien. Einen Tag nach Anthropics Ankündigung zog auch Loom nach und stellte Video-Prompts vor, die Bildschirmaufnahmen in strukturierte Aktionspläne für Agenten wie Claude oder Cursor umwandeln. (Quelle: BornCity)

Drei Anbieter, eine Woche, eine Richtung: KI soll nicht mehr nur aus Text lernen, sondern aus echter, beobachteter Praxis. Genau das macht die Nachricht interessanter, als sie auf den ersten Blick wirkt.
‍

Warum das ausgerechnet jetzt zählt
‍

Parallel dazu zeigt eine aktuelle Prognose des Instituts der deutschen Wirtschaft (IW), wie konkret das Problem in Deutschland bereits wird: Bis 2036 fehlen der Wirtschaft rund 4,3 Millionen Arbeitskräfte. Der Grund: Deutlich mehr Menschen gehen in Rente, als junge Menschen nachrücken – pro Jahr ein Verlust von rund einer halben Million Arbeitskräften. „Deutschland steht nicht vor dem demografischen Wandel, sondern befindet sich bereits mittendrin", sagt IW-Arbeitsmarktexperte Holger Schäfer. (Quelle: IW Köln, Tagesschau)

‍

‍

Das ist zunächst ein Kapazitätsproblem. Das eigentlich teure daran ist aber ein anderes: Mit den Babyboomern verschwindet Wissen, das nie sauber dokumentiert wurde. Nicht das, was im Organigramm steht, sondern das, was im Alltag zählt – typische Sonderfälle bei Kunden, Erfahrungswerte bei Reklamationen, Risiken, die man „einfach sieht", Prioritäten, die nie formal festgelegt wurden. Wenn diese Art von Wissen mit einer Person das Unternehmen verlässt, fehlt nicht nur Arbeitskraft. Es fehlt Orientierung.
‍

Wieso klassische Ansätze daran scheitern
‍

Unternehmen versuchen das seit Jahren über Interviews und Dokumentation in den Griff zu bekommen – mit begrenztem Erfolg. Interviews helfen nur bedingt, weil sich Menschen ihrer eigenen Intuition selten bewusst sind. Man kann jemanden fragen, wie er eine Entscheidung trifft, und bekommt oft nur die halbe Antwort, weil der Rest im Unbewussten abläuft. Dokumentation wiederum hält meist das Offensichtliche fest, nicht die eigentliche Abwägung dahinter.

Ein zweiter Ansatz, der aktuell stark verfolgt wird, ist Skill-Inferenz: eine KI wertet die digitalen Fußspuren aus, die jemand hinterlässt, um daraus abzuleiten, wie Entscheidungen getroffen und Qualitätsstandards gesetzt werden. Ein dritter, aus unserer Sicht aktuell vielversprechendster Ansatz, entsteht eher nebenbei: Wer bereits mit KI-Agenten arbeitet, gibt sein implizites Wissen automatisch weiter, jedes Mal, wenn er Feedback gibt. Wird ein Agent zum Beispiel wiederholt zu Formulierungen oder Formaten korrigiert, lernt er nicht nur die expliziten Vorgaben, sondern über die Zeit auch den Qualitätsmaßstab, der dahintersteckt.
‍

Das Hayek-Problem
‍

Genau hier setzt ein Konzept an, das in der Debatte um KI und Organisationen gerade wieder auftaucht: das Hayek-Problem. Es beschreibt, dass Wissen in Organisationen zu großen Teilen implizit und lokal ist – gebunden an einzelne Menschen und Kontexte, im Zweifel für niemand sonst zugänglich. Die These vieler Forschender lautet: Egal wie intelligent KI-Modelle werden, an diesem Problem kommen sie nicht vorbei, weil sie den vollständigen Kontext brauchen, um wirklich gut zu arbeiten.

Der Wharton-Forscher Ethan Mollick brachte es kürzlich in einem öffentlichen Austausch mit einem Forscher von OpenAI auf den Punkt. Er halte es für ein vertretbares Argument, dass „curing cancer will be easier than replacing Accenture" – Krebs zu heilen werde also leichter sein, als Accenture zu ersetzen. (Quelle: Ethan Mollick auf X, via Blockchain.News)

‍

‍

Sein Punkt: Krebs ist ein abgeschlossenes Problem mit abgeschlossenen Daten. Organisationen mit ihrem verteilten, informellen Wissen sind das nicht.

Vor diesem Hintergrund ist „Record a Skill" mehr als ein nettes Feature. Bisher musste implizites Wissen erst beschrieben und abstrahiert werden, bevor eine KI damit arbeiten konnte – genau die Hürde, an der Interviews und Dokumentation scheitern. Eine kommentierte Bildschirmaufnahme umgeht das zumindest teilweise: Sie transportiert nicht nur die Abfolge der Klicks, sondern über die gesprochene Erklärung auch einen Teil der Logik dahinter.
‍

Die Kehrseite: Wissen, das mit der KI mitaltert
‍

Bevor daraus zu viel Euphorie wird, lohnt ein Blick auf eine Studie, die im Februar in der „Academy of Management Review" erschienen ist. Jin Gerlach von der Universität Passau und Don Lange von der Arizona State University beschreiben darin einen sich selbst verstärkenden Kreislauf, den sie „Fading Memories" nennen, in drei Schritten: Erstens übernimmt KI eine Aufgabe, etwa eine Qualitätsprüfung. Zweitens nutzen Mitarbeitende das dafür nötige Fachwissen dadurch seltener, verlernen es oder verlassen das Unternehmen – während neue Angestellte es erst gar nicht mehr aufbauen, weil die KI die Aufgabe ja schon erledigt. Drittens altern die KI-Modelle selbst, weil sie auf Vergangenheitsdaten trainiert wurden und regelmäßig aktualisiert werden müssten – wofür ausgerechnet die menschliche Expertise fehlt, die durch den KI-Einsatz gerade verlernt wurde. Verlorenes menschliches Fachwissen könne die Qualität von KI-Modellen mit der Zeit beeinträchtigen, warnt Gerlach – im schlimmsten Fall „schleichend und unbemerkt". (Quelle: Universität Passau)

Ein Skill, der einmal aufgezeichnet wurde, ist also kein Endzustand, sondern muss aktiv gepflegt werden – sonst droht am Ende genau der schleichende Wissensverlust, den man eigentlich verhindern wollte.
‍

Was Unternehmen jetzt konkret tun sollten
‍

Wer das Thema ernst nimmt, muss nicht sofort ein Großprojekt starten. Sinnvoller ist ein kleinerer, gezielter Anfang: Suche nach Prozessen, die stark an einzelne Personen gebunden sind, bei denen neue Mitarbeitende lange brauchen, bis sie sicher werden, und die bei Urlaub, Krankheit oder Kündigung sofort ins Wackeln geraten. Genau dort liegt meist wissenskritische Arbeit – und genau dort lohnt es sich, diese Arbeit einmal vorzuführen und aufzuzeichnen, statt sie nur zu beschreiben.

Zwei Dinge sollten dabei von Anfang an mitgedacht werden, gerade angesichts der „Fading Memories"-Warnung: erstens ein regelmäßiger Reviewzyklus, der prüft, ob ein aufgezeichneter Skill noch der aktuellen Praxis entspricht. Zweitens ein bewusstes Minimum an eigener menschlicher Übung, damit im Unternehmen jemand übrigbleibt, der falsches oder veraltetes KI-Verhalten überhaupt noch erkennen kann.
‍

Fazit
‍

Die Babyboomer gehen. Das ist bekannt und gut belegt. Weniger beachtet wird, was mit ihnen geht: nicht nur Arbeitskraft, sondern Erfahrungswissen, das nie vollständig dokumentiert wurde.

„Record a Skill" löst dieses Problem nicht auf einen Schlag. Aber es ist ein Signal dafür, wohin sich agentische Systeme entwickeln – weg vom isolierten Prompt, hin zu Systemen, die Arbeitswissen direkt aus der Praxis aufnehmen können. Die spannendere Frage für Unternehmen lautet deshalb nicht mehr nur: Welche Aufgaben kann KI übernehmen? Sondern: Welches Wissen müssen wir übergeben, bevor es verschwindet – und wie halten wir es lebendig, statt es nur einzufrieren?

Wer dieses Thema nicht nur verstehen, sondern im eigenen Unternehmen umsetzen will, findet bei Leaders of AI zwei passende Anknüpfungspunkte: Im Programm AI Integration Expert geht es konkret darum, wie KI-Agenten systematisch in reale Arbeitsprozesse integriert werden – inklusive Tool-Auswahl, Governance und Erfolgsmessung. Wer eher die strategische Ebene mitdenken will, etwa wie ein ganzes Team aus KI-Agenten aufgebaut wird und wie Wissenstransfer unternehmensweit abgesichert werden kann, findet das im Hochschulzertifikatsprogramm Master Business with AI (MBAI®).

Quellen
‍

• BornCity: „Record a Skill" – Claude lernt Arbeitsschritte durch Zuschauen
• BornCity: Claude „Record a Skill" – Bildschirmaufnahmen werden zur Automatisierung
• Search Engine Journal: Anthropic's Claude Can Now Watch A Video And Learn Your Job
• IW Köln: Babyboomer in Rente – Bis 2036 fehlen 4,3 Millionen Arbeitskräfte
• Tagesschau: IW-Studie – Verrentung der Babyboomer hinterlässt große Lücke im Arbeitsmarkt
• Universität Passau: Studie – Wie künstliche Intelligenz zum Wissensverlust in Unternehmen führen kann
• Ethan Mollick auf X, eingeordnet via Blockchain.News: OpenAI Debate Highlights 2035 White Collar Risk

‍