Die Vorstellung ist attraktiv:

Alle Dokumente, Handbücher, E-Mails und internen Informationen werden mit einer KI verbunden.

Mitarbeiter stellen Fragen.

Das System liefert sofort die richtige Antwort.

Technisch wird das zunehmend möglich.

Organisatorisch ist die Sache schwieriger.

Denn eine KI löst kein Wissenschaos.

Im schlechtesten Fall macht sie dieses Chaos lediglich schneller durchsuchbar.

Das Problem beginnt bei den Quellen

In vielen Unternehmen existieren mehrere Versionen derselben Information.

Ein altes PDF.

Eine neue Word-Datei.

Eine überarbeitete Regel in einer E-Mail.

Ein Ordner mit dem Namen „Final“.

Daneben „Final neu“.

Und schließlich „Final wirklich aktuell“.

Für einen erfahrenen Mitarbeiter ist häufig klar, welches Dokument gilt.

Für ein automatisiertes Wissenssystem zunächst nicht.

Deshalb muss vor der Frage nach dem KI-Modell eine andere Frage beantwortet werden:

Welche Quellen dürfen überhaupt als verlässlich gelten?

Nicht alles darf jeder wissen

Der zweite Punkt betrifft Berechtigungen.

Unternehmenswissen ist nicht automatisch für alle Mitarbeiter bestimmt.

Personalinformationen.

Verträge.

Kalkulationen.

Kundendaten.

Geschäftsführungsunterlagen.

Interne Bewertungen.

Vertrauliche Projekte.

Ein Wissenssystem muss deshalb nicht nur Informationen finden können.

Es muss auch wissen, wer welche Informationen sehen darf.

Je größer und sensibler der Datenbestand, desto wichtiger wird dieses Thema.

Eine überzeugende Antwort kann trotzdem falsch sein

Generative KI hat eine Eigenschaft, die im Unternehmenskontext besonders relevant ist:

Sie kann Antworten sprachlich überzeugend formulieren.

Das sagt nichts darüber aus, ob die Antwort fachlich richtig und aktuell ist.

Bei internen Wissenssystemen sollten deshalb wichtige Antworten möglichst auf überprüfbare Quellen zurückgeführt werden können.

Der Nutzer sollte erkennen können:

Woher stammt diese Information?

Auf welchen Dokumenten basiert sie?

Von wann sind diese Quellen?

Gibt es widersprüchliche Angaben?

Wo braucht es einen Menschen?

Gute Testfragen sind wichtiger als beeindruckende Demos

Eine Demo lässt sich leicht vorbereiten.

Man lädt einige gut strukturierte Dokumente hoch und stellt passende Fragen.

Das System funktioniert.

Im echten Betrieb kommen andere Fragen.

Unvollständige Fragen.

Sonderfälle.

Mehrdeutige Begriffe.

Widersprüchliche Quellen.

Veraltete Informationen.

Deshalb sollte ein Wissenssystem mit realen Fragen der späteren Nutzer getestet werden.

Zum Beispiel:

Welche fünfzig Fragen stellen Mitarbeiter heute immer wieder anderen Kollegen?

Welche Antworten sind besonders kritisch?

Bei welchen Fragen wäre eine falsche Antwort problematisch?

Welche Fragen darf das System ausdrücklich nicht selbst beantworten?

Erst solche Tests zeigen, ob aus einer technischen Demonstration ein verlässliches Arbeitsmittel werden kann.

Wissen verändert sich

Auch ein gut aufgebautes System altert.

Prozesse ändern sich.

Preise ändern sich.

Gesetze ändern sich.

Mitarbeiter wechseln.

Neue Produkte kommen hinzu.

Verträge werden angepasst.

Deshalb braucht ein Wissenssystem einen Pflegeprozess.

Wer aktualisiert Quellen?

Wer archiviert alte Informationen?

Wer prüft kritische Inhalte?

Was passiert bei einem erkannten Fehler?

Wie werden Änderungen nachvollziehbar?

Die laufende Pflege ist kein Nebenthema.

Sie entscheidet darüber, ob Nutzer dem System nach einigen Monaten noch vertrauen können.

KI kommt nicht zuerst

Der sinnvolle Ablauf ist häufig:

Fragen verstehen → relevante Quellen bestimmen → Quellen ordnen → Berechtigungen klären → Qualitätsregeln definieren → Testfälle entwickeln → technische Lösung auswählen → testen → pflegen

Nicht jedes Unternehmen braucht dafür ein großes Projekt.

Ein begrenzter Wissensbereich kann genügen, um herauszufinden, ob der Ansatz überhaupt Nutzen bringt.

Die wichtigste Frage vor der Technik

Nicht:

„Welche KI sollen wir einsetzen?“

Sondern:

„Welche Antworten soll unser Unternehmen künftig zuverlässig aus seinem eigenen Wissen geben können?“

Wer diese Frage sauber beantwortet, kann anschließend wesentlich besser entscheiden, welche technische Lösung tatsächlich gebraucht wird.