Was bringt KI im Wissensmanagement?
KI verändert Wissensmanagement im Unternehmen an der entscheidenden Stelle: Wissen muss nicht mehr erst gepflegt werden, um auffindbar zu sein. Eine KI-Wissensdatenbank greift auf die Quellen zu, in denen das Wissen ohnehin entsteht, also E-Mails, Dokumente, Tickets, CRM-Einträge und Protokolle. Mitarbeitende stellen eine Frage und erhalten eine Antwort mit Verweis auf die Quelle.
Damit lösen Sie zwei Probleme gleichzeitig. Neue Mitarbeitende finden sich schneller zurecht. Und das Wissen erfahrener Kolleginnen und Kollegen bleibt im Unternehmen, auch wenn sie in Urlaub, in Elternzeit oder in Rente gehen.
Warum scheitern klassische Wikis so oft?
Fast jedes Unternehmen hat schon einmal ein Wiki oder Intranet eingeführt. Nach kurzer Zeit sind viele Seiten veraltet, die Suche findet nicht, was man braucht, und das eigentliche Wissen steckt wieder in Postfächern und Köpfen. Die Gründe sind fast immer dieselben:
- Doppelte Arbeit: Wissen entsteht in E-Mails und Besprechungen. Es zusätzlich ins Wiki zu schreiben, kostet Zeit, die im Alltag fehlt.
- Kein Anlass: Niemand wird daran erinnert, eine Seite zu aktualisieren, wenn sich etwas ändert.
- Starre Struktur: Die Ordnerlogik passt zu der Person, die sie angelegt hat, selten zu der Person, die sucht.
- Stichwortsuche: Wer nach „Kündigungsfrist Rahmenvertrag“ sucht, findet nichts, wenn im Dokument „Laufzeit und Beendigung“ steht.
- Fehlender Kontext: Ein Dokument zeigt das Ergebnis, nicht warum entschieden wurde und wer beteiligt war.
KI löst nicht jedes dieser Probleme automatisch. Sie senkt aber die Hürde: Wissen wird dort genutzt, wo es entsteht, und Fragen werden in natürlicher Sprache gestellt.
RAG oder Memory: Wie funktioniert eine KI-Wissensdatenbank?
Ein Large Language Model kennt Ihr Unternehmen nicht. Es braucht einen Weg zu Ihrem Wissen. Dafür gibt es zwei Ansätze, die sich gut ergänzen.
Retrieval Augmented Generation (RAG) sucht bei jeder Frage passende Textstellen in Ihren Dokumenten und gibt sie dem Modell als Grundlage. Das funktioniert gut für Handbücher, Verträge und Richtlinien.
Ein KI-Memory hält dagegen dauerhaft fest, was die KI über Personen, Projekte, Kunden und Entscheidungen gelernt hat. Es verbindet Informationen aus verschiedenen Quellen und kennt Zusammenhänge, die in keinem einzelnen Dokument stehen.
| Merkmal | RAG | Memory |
|---|---|---|
| Grundprinzip | Sucht passende Textstellen zur Laufzeit | Speichert Wissen dauerhaft und strukturiert |
| Stärke | Genaue Zitate aus Dokumenten | Zusammenhänge über Zeit und Quellen hinweg |
| Typische Frage | „Was steht im Rahmenvertrag zur Kündigung?“ | „Was haben wir mit Kunde X zuletzt vereinbart, und wer war dabei?“ |
| Schwäche | Kennt keinen Verlauf, nur Treffer | Braucht Regeln für Aktualisierung und Löschung |
| Pflegeaufwand | Gering, solange Quellen aktuell sind | Gering im Alltag, aber Governance nötig |
Für ein ernsthaftes Wissensmanagement mit KI empfiehlt sich die Kombination. RAG liefert die belegbaren Fakten aus Dokumenten, das Memory den Kontext.
Welche Quellen sollten Sie anbinden?
Beginnen Sie mit den Quellen, in denen das meiste Alltagswissen steckt, und nicht mit denen, die am ordentlichsten sind.
| Quelle | Typisches Wissen | Besonderheit |
|---|---|---|
| Absprachen, Zusagen, Kundenhistorie | Sehr ergiebig, aber Rechte und private Inhalte beachten | |
| Dateiablage | Angebote, Verträge, Konzepte, Handbücher | Versionen und Dubletten klären |
| CRM | Kontakte, Verkaufschancen, Aktivitäten | Strukturiert und gut verknüpfbar |
| Kalender und Protokolle | Wer wann mit wem worüber gesprochen hat | Wichtig für Entscheidungshistorie |
| Ticket- und Fachsysteme | Probleme, Lösungen, Abläufe | Oft das beste Lösungswissen |
| Bestehendes Wiki | Prozesse, Richtlinien | Nutzen, aber Aktualität prüfen |
Checkliste vor der Anbindung
- Ist klar, wer für die Quelle zuständig ist?
- Werden die bestehenden Zugriffsrechte übernommen?
- Gibt es Bereiche, die ausgeschlossen werden müssen, etwa Personalakten?
- Ist geregelt, wie gelöschte Inhalte auch aus dem KI-Wissen verschwinden?
- Sind Betriebsrat und Datenschutz informiert?
Woran erkennen Sie, ob KI-Wissensmanagement funktioniert?
Ob eine KI-Wissensdatenbank im Alltag trägt, zeigt sich nicht an der Zahl angebundener Dokumente, sondern daran, ob Menschen sie nutzen und den Antworten vertrauen können. Beobachten Sie diese Signale:
| Signal | Gutes Zeichen | Warnzeichen |
|---|---|---|
| Nutzung | Fragen kommen aus mehreren Bereichen, regelmäßig | Nur das Projektteam nutzt das System |
| Antwortqualität | Antworten sind belegt und werden selten korrigiert | Häufige Korrekturen, fehlende Quellen |
| Rückfragen bei Kollegen | Wiederkehrende Fragen an erfahrene Mitarbeitende nehmen ab | Alle fragen weiter die gleichen Personen |
| Einarbeitung | Neue Mitarbeitende finden Abläufe und Ansprechpartner selbst | Einarbeitung dauert so lange wie vorher |
| Aktualität | Neue Entscheidungen sind nach kurzer Zeit abrufbar | Die KI kennt nur den Stand der Erstanbindung |
Sammeln Sie zusätzlich die Fragen, auf die die KI keine Antwort findet. Diese Lücken zeigen, welche Quelle noch fehlt oder wo Wissen bisher nur in Köpfen existiert. So wird das System mit der Zeit vollständiger, ohne dass jemand ein Wiki pflegen muss.
Wissen, das nirgends steht
Ein Teil des wichtigsten Wissens ist nie aufgeschrieben worden: warum ein Kunde besonders behandelt wird, welche Lösung beim letzten Mal nicht funktioniert hat, wer eine Entscheidung getroffen hat. Eine KI mit Gedächtnis kann solches Wissen aus Gesprächen und Korrespondenz festhalten, wenn Mitarbeitende es ihr mitteilen oder es in angebundenen Quellen auftaucht. Das ersetzt keine bewusste Übergabe, macht sie aber leichter.
Welche Governance braucht KI-Wissensmanagement?
Je mehr eine KI weiß, desto wichtiger werden klare Regeln. Vier Punkte sind entscheidend:
- Berechtigungen: Die KI darf einer Person nur Antworten aus Quellen geben, auf die diese Person selbst Zugriff hat. Das muss technisch durchgesetzt sein, nicht nur per Anweisung.
- Aktualität: Veraltetes Wissen muss erkennbar sein. Antworten sollten zeigen, aus welcher Quelle und von wann eine Information stammt.
- Löschung und Berichtigung: Die DSGVO gibt Betroffenen Rechte auf Berichtigung und Löschung, etwa nach Art. 16 und Art. 17 DSGVO. Gespeichertes Wissen über Personen muss sich auffinden, korrigieren und entfernen lassen.
- Nachvollziehbarkeit: Ein Protokoll hält fest, wer was gefragt hat und auf welche Quellen die Antwort zurückgeht.
Halten Sie diese Regeln in Ihrer KI-Richtlinie fest. Ein Muster finden Sie im Ratgeber KI-Richtlinie für Unternehmen.
Wie verhindern Sie falsche Antworten?
Auch mit gutem Zugriff auf Ihr Wissen kann eine KI falsche Antworten erzeugen. Man spricht von Halluzinationen. Diese Maßnahmen senken das Risiko deutlich:
- Quellenpflicht: Jede Antwort verweist auf die Quellen, aus denen sie stammt.
- Ehrliche Lücken: Die KI sagt, wenn sie nichts findet, statt zu raten.
- Widersprüche zeigen: Gibt es zwei Versionen eines Dokuments, wird das sichtbar gemacht.
- Prüfung bei Gewicht: Antworten, auf deren Grundlage gehandelt wird, prüft ein Mensch am Original.
Wie führen Sie KI-Wissensmanagement schrittweise ein?
- Fragen sammeln: Notieren Sie zwei Wochen lang, welche Fragen im Unternehmen immer wieder gestellt werden.
- Quellen wählen: Ordnen Sie den Fragen die Quellen zu, aus denen die Antworten kommen.
- Pilot mit einem Bereich: Binden Sie die Quellen eines Teams an und testen Sie mit echten Fragen.
- Qualität messen: Wie viele Antworten stimmen, wie viele sind unvollständig, wie oft fehlt eine Quelle?
- Ausweiten: Erst danach weitere Bereiche und Quellen hinzunehmen.
Den allgemeinen Rahmen für solche Projekte beschreibt der Ratgeber KI im Unternehmen einführen.
Wissen als Kern einer eigenen Unternehmens-KI
Bei ELEVUM ist das Gedächtnis kein Zusatzmodul, sondern der Kern. Jede Unternehmens-KI hat ein langfristiges Memory mit Wissen über Personen, Projekte und Entscheidungen. Die Sprachmodelle darunter sind austauschbar, das Wissen bleibt im Unternehmen. Wie das technisch aufgebaut ist, zeigt die Seite Technologie.
Wie sich das im täglichen Einsatz anfühlt, beschreibt die Seite über NOVA, die Instanz, mit der ELEVUM selbst arbeitet.