Mit wachsendem KI-Einsatz steigt der Bedarf an verlässlichen Grundlagen: Ein Assistent, der aus Unternehmenswissen antwortet, ist nur so gut wie das, was als gültig freigegeben wurde. In vielen Betrieben liegt dieses Wissen aber verteilt in Präsentationen, Ordnerstrukturen, Ticketverläufen und den Köpfen erfahrener Kollegen. Bevor eine KI-Wissenssuche sinnvoll ist, muss geklärt sein, welches Wissen gilt, wer es verantwortet und wer es nutzen darf.
Vier Arten von Wissen und ihre Pflege
| Wissensart | Beispiele | Gültigkeit | Owner | Geeignetes Format |
|---|---|---|---|---|
| Regelwissen | Richtlinien, Prozessbeschreibungen, Compliance-Vorgaben | Bis zur nächsten Freigabe | Fachbereich oder Qualitätsmanagement | Versionierte Module mit Datum und Änderungshinweis |
| Produkt- und Leistungswissen | Spezifikationen, Preislogik, Grenzen des Angebots | Je Release oder Preisrunde | Produkt oder Vertrieb | Strukturierte Seiten und Tabellen |
| Erfahrungswissen | Fallbeispiele, bewährte Lösungen, bekannte Fehler | Wächst laufend | Teams | Kurze Lektionen mit Kontext und Datum |
| Schulungswissen | Onboarding, Sicherheitsunterweisungen, Zertifizierungen | Jährlich oder bei Änderung | Personalabteilung mit Fachbereich | Kurse mit Lernkontrolle |
Die Unterscheidung ist wichtig, weil jede Wissensart einen anderen Pflegerhythmus und andere Freigabewege braucht. Wer alles in einer Ablage vermischt, kann keine Gültigkeit garantieren.
Von der Ablage zum Lernweg
Ein Lernweg ordnet Wissen nach Fragen, nicht nach Ordnern. Ein Kurs bündelt Module, ein Modul bündelt Lektionen, und jede Lektion beantwortet genau eine Frage für eine benannte Zielgruppe. Dazu gehören Voraussetzungen, eine kurze Lernkontrolle und der Hinweis, welche Lektion als Nächstes sinnvoll ist. Diese Struktur macht Wissen wiederverwendbar: Dieselbe Lektion zur Datenampel kann im Onboarding, in der jährlichen Auffrischung und als Nachschlagewerk dienen.
Freigabe und Aktualisierung eindeutig zuordnen
- Jede Lektion hat einen Owner, ein Freigabedatum und ein Überprüfungsintervall.
- Änderungen werden mit Datum und Grund festgehalten; die vorherige Fassung bleibt einsehbar.
- Inhalte ohne Überprüfung im Intervall werden als „zu prüfen“ markiert und aus der aktiven Suche genommen.
- Veraltete Inhalte werden archiviert statt gelöscht, damit Entscheidungen von damals nachvollziehbar bleiben.
Wer nicht weiß, wer ein Dokument freigegeben hat, sollte ihm nicht vertrauen. Das gilt für Menschen ebenso wie für ein Retrieval-System.
Beispiel: Ein Serviceteam sortiert seine Ablage
Ein Serviceteam findet mehrere Hundert Dokumente auf dem Netzlaufwerk, von denen ein Bruchteil noch gilt. Statt alles zu digitalisieren, wählt das Team die Fragen aus, die neue Kollegen am häufigsten stellen, und baut daraus ein Dutzend Module mit klarem Owner. Die übrigen Dokumente werden archiviert. Rückfragen an erfahrene Kollegen beschränken sich danach auf die Fälle, die tatsächlich Erfahrung brauchen, und genau diese Fälle werden nach und nach als neue Lektionen ergänzt.
Wo KI danach hilft
Sobald ein freigegebener Bestand existiert, kann KI ihn durchsuchen und Antworten mit Verweis auf die Lektion liefern, aus Dokumenten Entwürfe für neue Lektionen erstellen, die der Owner prüft, Fragen zur Lernkontrolle vorschlagen und aus den Suchanfragen der Mitarbeiter erkennen, wo Lücken bestehen. Alle vier Aufgaben setzen voraus, dass die Grundlage vorher redaktionell verantwortet wurde. Warum das für Retrieval-Systeme die wichtigste Voraussetzung ist, erklärt der Beitrag RAG oder Fine-Tuning.
Erst gültig, dann auffindbar, dann automatisiert. Wer die Reihenfolge umkehrt, macht veraltetes Wissen schneller verfügbar.
Wissen, Onboarding und Workflows zusammenführen
Lernwege liefern die Grundlage für das KI-Onboarding neuer Mitarbeiter und für die Nachweise, die die Kompetenzpflicht verlangt. Die Abläufe, in denen dieses Wissen angewendet wird, gehören in die Workflow-Bibliothek, damit Regel, Anwendung und Prüfung an derselben Stelle gepflegt werden.