Handlungsfeld 06 · Wissen & Team
Wissensmanagement & KI – erst Ordnung, dann Intelligenz
KI macht Wissen zugänglich – aber sie erzeugt es nicht und sie räumt nicht auf. Wer ungeordnetes Wissen indexiert, bekommt schnellere falsche Antworten. Der Hebel liegt in einer klaren Single Source of Truth, in saubereren Rechten und in einer KI-Schicht, die Quellen zitiert statt zu raten.
Warum das Thema jetzt entscheidet
In vielen KMU ist Wissen kein Asset, sondern ein Personenrisiko: Es liegt in Köpfen, in gewachsenen Ordnerstrukturen und in Chatverläufen. Solange das so bleibt, kostet jede Einarbeitung, jede Vertretung und jedes Angebot unnötig Zeit.
Mit KI verschiebt sich die Dringlichkeit. Ein Assistent, der auf euren Dokumenten arbeitet, macht Qualität und Chaos gleichermaßen sichtbar – und beschleunigt beides. Deshalb ist Wissensmanagement heute Voraussetzung für sinnvolle KI-Nutzung, nicht deren Nebenprodukt.
Typische Ausgangslage
- Wissen steckt in Köpfen, Mailpostfächern und privaten Laufwerken – nicht im System.
- Dieselbe Information existiert in fünf Versionen, keine ist erkennbar die gültige.
- Einarbeitung dauert Monate, weil niemand weiß, wo etwas steht.
- Urlaub oder Kündigung einer Schlüsselperson blockiert ganze Prozesse.
- Dokumentation entsteht einmalig im Projekt und veraltet danach still.
- KI-Tools werden privat genutzt – mit Firmendaten, ohne Freigabe und ohne Protokoll.
Fundament
Single Source of Truth – eine gültige Antwort pro Frage
Eine Single Source of Truth bedeutet nicht „ein Tool für alles“, sondern: Für jede Information gibt es genau einen führenden Ort, der gepflegt wird. Alles andere verweist darauf. Ohne dieses Prinzip diskutiert das Team über Versionen statt über Inhalte – und die KI zitiert mit Überzeugung das falsche Dokument.
Ein System pro Wissensart
Prozesse, Vorlagen, Kundenwissen, Produktwissen und Entscheidungen brauchen jeweils genau einen führenden Ort. Alles andere verlinkt dorthin, statt zu kopieren.
Ownership statt Ablage
Jede Wissensdomäne hat eine verantwortliche Person und ein Review-Datum. Ohne Owner verfällt Inhalt zwangsläufig zu Altlast.
Lebenszyklus definieren
Entwurf → freigegeben → veraltet → archiviert. Sichtbare Status verhindern, dass jemand nach einem Dokument von 2021 handelt.
Struktur vor Tool
Erst Taxonomie, Namenskonventionen und Metadaten klären, dann das Werkzeug wählen. Ein Tool-Wechsel repariert keine fehlende Ordnung.
Rechte & Zugriff
Wissen ist nur so gut wie sein Rechtekonzept
Offenheit erhöht Geschwindigkeit, Vertraulichkeit schützt das Unternehmen. Die Lösung ist kein Kompromiss, sondern ein Modell: möglichst viel intern transparent, klar definierte Ausnahmen – konsequent durchgesetzt.
- Rollen- statt Personenrechte: Berechtigungen hängen an Funktionen, nicht an Namen – sonst wächst ein unpflegbarer Flickenteppich.
- Least Privilege: Standard ist Zugriff auf das, was die Rolle braucht. Alles Weitere ist ein bewusster, dokumentierter Schritt.
- Vertraulichkeitsklassen: öffentlich, intern, vertraulich, streng vertraulich – und je Klasse klare Regeln für KI-Nutzung.
- Personaldaten, Gehälter, Verträge, Gesundheitsdaten und Kundendaten gehören nie in einen offenen Wissensindex.
- Joiner-Mover-Leaver-Prozess: Rechte müssen beim Rollenwechsel und Austritt genauso zuverlässig entzogen wie erteilt werden.
- Regelmäßiges Rechte-Review – mindestens jährlich, in sensiblen Bereichen quartalsweise.
KI-Schicht
KI richtig aufsetzen – inklusive NotebookLM
RAG statt Modelltraining
Für Unternehmenswissen ist Retrieval Augmented Generation der Regelfall: Das Modell antwortet auf Basis freigegebener Quellen und zitiert sie. Kein Fine-Tuning mit Firmendaten, keine unkontrollierte Wissensvermischung.
Berechtigungen müssen mitwandern
Der größte Fehler in KI-Projekten: Ein Index über „alle Dateien“. Dann beantwortet der Assistent Fragen mit Inhalten, die die fragende Person nie sehen durfte. Rechte müssen bis in die Suchtreffer durchgesetzt werden (permission-aware Retrieval).
Quellen und Nachvollziehbarkeit
Jede Antwort mit Quellenangabe. Ohne Belege entsteht keine Nutzung, sondern Misstrauen – und niemand kann Fehler zurückverfolgen.
Notebook-Ansatz für Fachthemen
Google NotebookLM (im Enterprise-Umfeld inzwischen als Teil der Gemini-Enterprise-Werkzeuge geführt) ist stark, wenn ein abgegrenzter Quellensatz zu einem Thema befragt, zusammengefasst und in Briefings oder Audio-Überblicke übersetzt werden soll: Angebotsunterlagen, Ausschreibungen, Normen, Onboarding-Material.
Grenzen des Notebook-Ansatzes
Ein Notebook ist ein Arbeitsraum, kein Unternehmensarchiv. Es ersetzt keine führende Quelle, kein Rechtekonzept und keine Versionierung. Quellen sind Kopien – veraltet das Original, veraltet das Notebook unbemerkt.
Assistenten dort, wo gearbeitet wird
Wissenssuche gehört in Chat, CRM und Projekt-Tool. Ein separates Portal, das man extra öffnen muss, wird nach vier Wochen nicht mehr benutzt.
Was man beachten muss
Risiken, Recht und Governance
- Prompt- und Dokumenten-Leaks: Was in ein öffentliches Tool kopiert wird, verlässt das Unternehmen – Regeln müssen konkret und schriftlich sein.
- Auftragsverarbeitung & Standort: AV-Vertrag, EU-Hosting bzw. tragfähige Transfergrundlage, Löschfristen und kein Training auf euren Daten.
- Zweckbindung und Datenminimierung nach DSGVO gelten auch für den KI-Assistenten – ein Index ist eine Verarbeitung, keine Ablage.
- EU AI Act: für die meisten internen Wissensassistenten primär Transparenz- und Kompetenzpflichten – erkennbar KI, geschulte Nutzer, dokumentierte Verantwortlichkeiten.
- Mitbestimmung: Werden Tätigkeiten mess- oder auswertbar, ist der Betriebsrat früh einzubinden – nicht nach dem Rollout.
- Halluzinationen bei Zahlen, Fristen und Rechtsfragen: verbindliche Aussagen brauchen eine menschliche Freigabe.
- Schatten-KI: entsteht immer dann, wenn es keinen offiziellen, guten Weg gibt.
Hinweis: Dieser Abschnitt ordnet praxisnah ein und ersetzt keine Rechtsberatung. Konkrete Pflichten hängen von Daten, Tool-Auswahl und Einsatzzweck ab.
Vorgehen
In fünf Schritten zum belastbaren Wissenssystem
- 01
Wissens-Inventur
Welche Wissensarten existieren, wo liegen sie, wer nutzt sie, was ist doppelt? Ergebnis: Karte mit führenden Quellen und Altlasten.
- 02
Ordnung & Ownership
Taxonomie, Status, Owner, Review-Zyklen und Namenskonventionen festlegen. Danach konsolidieren – Duplikate werden Verweise.
- 03
Rechte- und Klassenmodell
Rollen, Vertraulichkeitsklassen und KI-Freigaberegeln pro Klasse definieren und technisch abbilden.
- 04
Pilot mit KI
Ein klar abgegrenzter Anwendungsfall, ein bereinigter Quellensatz, messbares Ziel – z. B. Onboarding oder Angebotsrecherche.
- 05
Skalieren & verankern
Quellen erweitern, Schulung, Nutzungsrichtlinie, Feedback-Schleife und regelmäßige Qualitäts- und Rechte-Reviews.
Ergebnis & Messbarkeit
Ein unabhängiges, skalierbares Team
Wenn Wissen strukturiert, gepflegt und sauber berechtigt ist, wird Einarbeitung kürzer, Vertretung selbstverständlich und KI wirklich nützlich. Woran man das festmacht:
- Zeit bis zur ersten produktiven Woche neuer Mitarbeitender
- Suchzeit pro Wissensfrage (vorher/nachher)
- Anteil Antworten mit gültiger Quelle
- Anteil Dokumente mit Owner und aktuellem Review
- Bus-Faktor kritischer Prozesse
- Nutzung des offiziellen Assistenten vs. Schatten-Tools
Lass uns über euer Wissenssystem sprechen.
In einem kurzen Gespräch klären wir, wo euer Wissen heute liegt, welche Rechte fehlen und mit welchem Pilotfall KI schnell echten Nutzen bringt.