Kennisoverdracht bij pensionering: zo blijft 30 jaar ervaring behouden

Er komt een moment dat het ongemakkelijk wordt. Niet op de werkvloer, maar in de directiekamer. Het moment dat iemand hardop uitspreekt wat iedereen al weet: over twee jaar vertrekt de meest ervaren operator. En niemand kan wat hij kan.

Dat is geen HR-probleem. Dat is een bedrijfsrisico.

Wat er eigenlijk vertrekt

Als een senior medewerker met pensioen gaat, vertrekt er meer dan een persoon. Er vertrekt een kennissysteem. Dertig jaar aan machine-eigenaardigheden, klantspecifieke aanpassingen, uitzonderingen op procedures en oplossingen voor problemen die niet in handleidingen staan.

Dit type kennis heeft een naam: tribal knowledge. Het is de kennis die niet gedocumenteerd is, niet in systemen staat en niet in een training van twee weken past. Het is de reden dat een bepaalde machine net iets anders wordt ingesteld als de temperatuur boven twintig graden komt. Of dat een specifieke klant altijd een afwijkende tolerantie verwacht waar nergens een notitie van bestaat.

Onderzoek van TNO uit april 2026 bevestigt de urgentie. In hun rapport Zonder robotisering verdwijnt de Nederlandse maakindustrie beschrijven ze hoe vergrijzing en personeelstekorten de maakindustrie onder druk zetten. De productiviteit moet de komende tien jaar met vijftig procent omhoog. Maar dat lukt niet als de kennis die productie draaiende houdt, met elke pensionering een stukje verdwijnt.

De rekening

Laten we het concreet maken. Als een ervaren operator vertrekt zonder goede overdracht, is dit wat het kost:

Het totaal loopt op tot €150.000 tot €250.000 per vertrekkende expert. Bij twee of drie seniors die binnen drie jaar stoppen, praat je over een half miljoen euro aan risico. Niet aan kosten die je op een factuur ziet, maar aan productiviteit die je mist, kwaliteit die daalt en klanten die het merken.

Waarom het altijd strandt

De meeste productiebedrijven hebben dit al een keer geprobeerd op te lossen. Meestal op een van deze drie manieren.

• De wiki die niemand invult. Het start met templates en deadlines, maar na korte tijd valt het stil. Niet uit onwil, maar omdat operators technici zijn die aan machines werken, niet achter een scherm.
• De video's die niemand bekijkt. Belangrijke kennis verdwijnt in lange opnames die lastig doorzoekbaar zijn op het moment dat iemand snel een concreet antwoord nodig heeft.
• De consultant die tijdelijk werkte. Documentatierondes leveren vaak een rapport op dat binnen enkele maanden achterhaald is, terwijl de kennis opnieuw verdampt.

Het patroon is herkenbaar. Niet omdat bedrijven het verkeerd aanpakken, maar omdat de methode niet past bij de mensen. Een ervaren operator die dertig jaar met zijn handen heeft gewerkt, gaat niet opeens achter een toetsenbord zitten om zijn kennis te beschrijven.

Wat er onder zit

Het probleem bij kennisoverdracht is dat het grootste deel van de kennis impliciet is. Het is kennis die iemand heeft maar niet goed kan opschrijven. Niet omdat hij het niet wil, maar omdat die kennis vastzit in ervaring, intuïtie en duizenden herhalingen.

Een operator weet wanneer een machine anders klinkt. Hij voelt wanneer een product niet goed zit. Hij weet dat klant X bij een bepaald ordertype altijd een afwijking verwacht. Vraag hem om het op te schrijven en hij zegt: ik weet het gewoon.

Dat is geen excuus. Dat is de aard van impliciete kennis. Het is kennis die je niet zomaar kunt expliciteren in een document of instructie. Daarom duurt inwerken in productiebedrijven geen twee weken, maar vaak zes tot twaalf maanden.

Wat het mkb ervan merkt

Uit het onderzoek Productieautomatisering bij mkb-maakbedrijven van Midpoint Brabant, REWIN en Fontys Hogeschool (april 2026) blijkt dat krappe personeelsbezetting een van de drie meest genoemde uitdagingen is waarvoor productiebedrijven een oplossing zoeken. Tegelijk geeft 63 procent van de ondernemers aan op data en AI nog maar net op weg te zijn.

Die combinatie is veelzeggend. De urgentie is er. Het personeel wordt schaarser. Maar de middelen om kennis vast te leggen passen vaak niet bij de werkvloer. Juist in omgevingen met maatwerk en kleine teams maakt tribal knowledge het verschil tussen soepel lopende productie en stilstand.

Waar het kantelt

Er is een verschuiving gaande in hoe bedrijven naar dit probleem kijken. De oude aanpak was: we documenteren kennis en zetten die in een systeem. De nieuwe aanpak is: we leggen kennis vast op het moment dat het gebeurt, in het medium dat operators al gebruiken.

TNO noemt in hun rapport Zonder robotisering verdwijnt de Nederlandse maakindustrie de combinatie van digitale werkinstructies en menselijke expertise als succesfactor. Operators hoeven niet vervangen te worden. Hun kennis moet alleen een plek krijgen buiten hun hoofd.

Hoe je er morgen mee begint

Kennisoverdracht hoeft geen groot project te zijn. Het begint met drie stappen.

• Breng in kaart wie de kennisdragers zijn. In elk productiebedrijf zijn er een tot drie mensen van wie iedereen weet: als die er niet is, hebben we een probleem. Begin daar.
• Maak het klein en concreet. Probeer niet om in een keer dertig jaar kennis te documenteren. Start met een machine, proces of klant waar de afhankelijkheid het grootst is.
• Kies een methode die past bij de operator. Als de aanpak vereist dat iemand moet typen, inloggen of formulieren invullen, gaat het niet werken. De methode moet net zo weinig wrijving geven als een normaal werkoverleg.

Het echte risico

Het risico van niets doen is niet dat het morgen misgaat. Het risico is dat het over twee jaar misgaat, op het moment dat de senior operator zijn laatste dag heeft en niemand exact weet hoe een kritische machine onder afwijkende omstandigheden moet worden ingesteld.

Dat is geen drama dat je op een dag ziet aankomen. Het is langzaam verlies dat je pas merkt als het te laat is: een order die terugkomt, een machine die stilstaat, een nieuwe medewerker die een fout maakt die de senior nooit zou maken.

Kennisoverdracht is geen innovatieproject. Het is risicobeheer. En de beste tijd om ermee te beginnen is voordat de urgentie je dwingt.