Wissensmanagement mit KI ist ein Kreislauf, kein Werkzeug: Eine Quelle wird ausgewählt, rechtlich abgesichert, zu Mustern verdichtet, fachlich freigegeben, in die Arbeit zurückgeführt und in festem Takt geprüft. Die KI übernimmt darin das Suchen, Sortieren und Vergleichen; die Entscheidung, welches Wissen gilt, bleibt bei einem Menschen mit Namen. Es scheitert selten daran, dass ein Chatbot fehlt. Es scheitert daran, dass niemand festlegt, welches Wissen gültig ist, wer es prüft und wann es veraltet. Besonders viel Erfahrungswissen steckt in Gesprächen, in Kundenfragen und in Erklärungen erfahrener Mitarbeitender, die nie in ein Handbuch gelangen. Der Weg vom Gespräch in den Betrieb hat sechs Stationen und vier Rollen.
Bei mir beginnt Wissensmanagement mit den Gesprächen, die ich ohnehin führe. Das geprüfte Zwischenprodukt ist das Muster-Register aus Gesprächsanalysen: wiederkehrende Fragen, jede mit meiner bislang klarsten eigenen Antwort. Dieser Beitrag behandelt nicht die Technik dahinter, sondern den betrieblichen Rahmen: Wer prüft, was gilt, wann es veraltet und wie es in den Alltag zurückkommt. Welche Rolle bei mir welche Aufgabe übernimmt, steht unter KI-Mitarbeiter.
Explizites Wissen und Gesprächswissen
Ich teile das Wissen eines Betriebs für die Praxis in zwei Sorten. Das ist meine Arbeitseinteilung, keine Lehrbuchdefinition.
Explizites Wissen steht bereits in Prozessen, Angeboten, Handbüchern oder Produktdaten. Es lässt sich relativ leicht sammeln.
Gesprächswissen zeigt sich erst in der Anwendung: Warum wird eine Ausnahme gemacht? Welche Formulierung versteht ein Kunde sofort? An welcher Stelle fragt fast jeder nach? Dieses Wissen ist wertvoll, aber auch kontextabhängig, und es steht in keinem Dokument, weil es niemand aufgeschrieben hat. Das Fraunhofer IAO beschreibt das Problem für Unternehmen so: Sie verlieren durch demografischen Wandel, Fluktuation und Projektwechsel zunehmend kritisches Erfahrungswissen, insbesondere implizite Kompetenzen, Netzwerke und Fehlersuch-Know-how, die bisher kaum dokumentierbar waren. Ein Call-Transkript macht dieses Wissen noch nicht nutzbar; erst das geprüfte Register trennt Wiederkehrendes vom Gesprächsrauschen.
Expertenwissen dokumentieren, bevor es den Betrieb verlässt
Die Frage „Wie dokumentiere ich Expertenwissen?“ hat eine unbequeme Antwort: Nicht, indem du die Expertin bittest, es aufzuschreiben. Wer etwas seit fünfzehn Jahren kann, weiß meist nicht mehr, was daran erklärungsbedürftig ist; was sie weiß, zeigt sich, wenn sie es jemandem erklärt. Deshalb ist die erste Entscheidung, welche Gesprächsart du auswertest:
Für die Übergabe einer erfahrenen Kollegin ist das Interview die ergiebigste Form: eine Stunde, in der ein neuer Kollege fragt und sie erklärt, aufgenommen mit ihrer Einwilligung, danach ausgewertet wie ein Kundengespräch. Was rechtlich vor der Aufnahme geklärt sein muss, steht in Gespräche transkribieren: was rechtlich gilt.
Wissensmanagement mit KI in sechs Stationen
1. Quelle auswählen
Beginne mit einer klaren Gesprächsart, etwa Support-Calls zu einem Produkt oder Verkaufsgespräche zu einer Leistung. Ein unsortierter Import aller Aufnahmen erzeugt mehr Risiko als Nutzen.
2. Recht und Schutz klären
Einwilligung, Rechtsgrundlage, Zweck, Zugriffe und Löschfristen stehen vor der Aufnahme. Lokale Transkription kann den Datenweg verkürzen. Der anschließende Ersatz von Namen durch Rollen ist zunächst Pseudonymisierung; die Einträge bleiben personenbezogen, solange eine Zuordnung möglich ist. Ich bin Entwickler und kein Anwalt, das hier ist keine Rechtsberatung, im Zweifel gehört der Einzelfall geprüft.
3. Muster destillieren
Fragen, Einwände und Antworten werden mit Fundstellen erfasst: wörtliches Zitat, Auslöser, Gesprächskennung, Minute. Ähnliche Aussagen werden nur gebündelt, wenn dieselbe Antwort passt. Unsichere Treffer bleiben markiert. Hier arbeitet die KI, und hier wird sie kontrolliert: je Etappe eine Stichprobe gegen das Transkript.
4. Fachlich freigeben
Jeder Eintrag braucht einen verantwortlichen Menschen. Die KI darf vorschlagen, vergleichen und auf Widersprüche hinweisen. Gültigkeit entsteht durch fachliche Prüfung: Der Verantwortliche liest Antwort und Fundstelle und entscheidet, ob das gilt, eingeschränkt gilt oder „offen“ bleibt.
5. In Arbeit zurückführen
Wissen wird erst wertvoll, wenn es in einem Ablauf auftaucht: Onboarding, Support, FAQ aus Kundengesprächen, Vertrieb oder interne Suche. Jeder Eintrag bekommt deshalb ein Feld „verwendet in“. Steht dort nach einem Quartal nichts, ist der Eintrag überflüssig oder niemand hat ihn gefunden.
6. Nutzung und Verfall prüfen
Dokumentiere letzte Prüfung, nächsten Review und abhängige Inhalte. Häufig korrigierte Antworten und erfolglose Suchen sind Aufgaben für die nächste Pflegerunde. Bei mir läuft das im Quartalstakt.
Rollen statt anonymer Gemeinschaftsablage
Für jeden Wissensbereich brauchst du mindestens vier Verantwortlichkeiten:
In kleinen Unternehmen kann eine Person mehrere Rollen übernehmen. Die Verantwortlichkeiten müssen trotzdem sichtbar sein. „Die KI kümmert sich“ ist keine Zuständigkeit. Ein KI-Mitarbeiter kann die Rolle des Wissenspflegers zu großen Teilen tragen, weil das die monotone ist; Quelleigentümer und Fachverantwortlicher bleiben Menschen mit Namen.
Ein Eintrag geht durch den Kreislauf
Das folgende Beispiel ist gebaut, alle Personen, Zahlen und Aussagen sind fiktiv. Ein Installationsbetrieb mit zwölf Leuten will das Wissen seiner Meisterin sichern, bevor sie in eineinhalb Jahren aufhört. Der Betrieb entscheidet sich für Übergabe-Interviews: einmal die Woche eine Stunde, ein neuer Geselle fragt, die Meisterin erklärt, aufgenommen mit ihrer Einwilligung.
Der wichtigste Ertrag sind die zwei offenen Einträge. „Das mache ich nach Gefühl“ ist genau das Wissen, das den Betrieb verlassen würde, und jetzt steht es als Frage im Register, mit Termin.
Welche technische Stufe passt?
Keine Stufe ist automatisch reifer als die andere. Das kleinste System, das die tatsächliche Frage zuverlässig beantwortet, ist meist die bessere Wahl. Der Demo-Betrieb oben kommt mit dem Register aus, solange sechzehn Einträge in einer Onboarding-Mappe liegen.
Qualitätsregeln für KI im Wissensmanagement
- Antworten brauchen Quellen. Ohne Fundstelle bleibt eine Aussage ein Entwurf.
- Widersprüche bleiben sichtbar. Die KI darf sie nicht zu einem bequemen Mittelwert glätten. Sagt die Meisterin in Interview 3 etwas anderes als in Interview 8, stehen beide Aussagen im Eintrag, und der Fachverantwortliche entscheidet.
- Gültigkeit hat ein Datum. Preise, Recht, Produkte und Prozesse verändern sich.
- Rechte gelten auch für die Antwort. Vertrauliches Wissen darf nicht durch Zusammenfassung nach außen gelangen.
- Löschen muss möglich sein. Der Weg von Quelle zu Wissenseintrag bleibt dokumentiert, damit eine Löschanfrage bis zum Eintrag durchgreift.
- Menschen entscheiden über Standards. Häufigkeit macht eine Aussage nicht automatisch richtig. Wer die Freigabe an die KI delegiert, weil der Fachverantwortliche keine Zeit hat, hat im Bestand, was das Modell für plausibel hielt, und merkt es, wenn ein Kunde es merkt.
Ein kleines Startprojekt
Wähle zehn freigegebene Gespräche einer Art. Extrahiere höchstens zwanzig wiederkehrende Fragen. Lass einen Fachverantwortlichen die Antworten prüfen und veröffentliche sie zunächst in einem begrenzten internen Bereich. Miss vier Dinge:
- Welche Fragen werden gefunden?
- Wo fehlen belastbare Antworten?
- Welche Antworten werden korrigiert?
- Welche Einträge werden tatsächlich wiederverwendet?
Danach entscheidest du, ob weitere Quellen, eine Suche oder ein Graph nötig sind. So wächst das System aus einem nachgewiesenen Bedarf statt aus einer Tool-Demo. Die zehn Gespräche musst du nicht allein auswählen: Welche Gesprächsart den schnellsten Ertrag bringt, liegt in den Calls meiner Community regelmäßig auf dem Tisch.
Wie Gustav in den Kreislauf passt
Gustav ist mein KI-Mitarbeiter für den Weg vom freigegebenen Gespräch zum prüfbaren Register, also für die Stationen 3 und 6 und die Rolle des Wissenspflegers. Whisper läuft lokal. Nach dem Pseudonymisierungs-Pass destilliert Gustav in Etappen von zehn bis zwanzig Calls Fragen, Einwände, Antworten und Belegstellen, nach jeder Etappe mit Stichproben-Review. Er führt die Kartei, über die jederzeit auffindbar ist, welcher Call zu welcher Person gehört, damit eine Löschanfrage umsetzbar bleibt. Daraus entstehen unter anderem Einwandkarten für den Vertrieb, FAQ und die interne Wissensbasis. Der Fachverantwortliche bleibt derjenige, der eine Aussage freigibt oder verwirft. Seine wichtigste Regel ist keine technische: Er destilliert, was gesagt wurde, und erfindet keine Ratschläge dazu.
Häufige Fragen
Was ist Wissensmanagement mit KI?
Ein Kreislauf, in dem KI das Sammeln, Bündeln und Vergleichen übernimmt und Menschen entscheiden, was gilt. Die sechs Stationen sind Quelle, Recht, Muster, Freigabe, Rückführung und Review. KI macht den dritten und den sechsten Schritt schneller, weil das die monotonen sind. Die Freigabe bleibt bei einem Fachverantwortlichen mit Namen, und jede Antwort trägt Quelle und Gültigkeitsdatum.
Wie dokumentiere ich Expertenwissen, das nur in Köpfen steckt?
Im Gespräch, nicht im Formular. Wer etwas seit Jahren kann, kann es selten aufschreiben, aber erklären. Ein Übergabe-Interview, in dem ein neuer Kollege fragt und die Expertin antwortet, aufgenommen mit ihrer Einwilligung, liefert Fragen und Antworten in der Sprache, in der sie später gebraucht werden. Daraus wird ein Register, und die Einträge, bei denen die Expertin sagt „das mache ich nach Gefühl“, sind die wichtigsten.
Welche KI-Tools braucht Wissensmanagement im Unternehmen?
Zuerst keins, das du kaufst. Die erste Version ist ein Register in einer Tabelle oder einem Notizsystem, dazu lokale Transkription und ein Sprachmodell für das Herausziehen der Fragen. Eine KI-Wissensdatenbank kommt, wenn Kollegen selbst suchen sollen, ein Knowledge Graph, wenn Abhängigkeiten zwischen Einträgen wichtig werden.
Was ist der Unterschied zwischen Wissensmanagement und einer Wissensdatenbank?
Wissensmanagement ist der Prozess, die Wissensdatenbank ist eines seiner Werkzeuge. Der Prozess legt fest, welche Quellen gelten, wer freigibt, wann geprüft wird und wo das Wissen in der Arbeit auftaucht. Die Wissensdatenbank ist der Ort, an dem freigegebene Einträge liegen und gefunden werden. Eine Wissensdatenbank ohne den Prozess veraltet still; der Prozess ohne Wissensdatenbank funktioniert, solange das Team klein ist.
Wie oft muss Wissen geprüft werden?
Bei mir im Quartal, dazu nach jeder Änderung an Preisen, Angebot oder Zielgruppe. Nach jedem Gespräch wird nur gesammelt, nicht gebündelt. Der Quartalslauf bündelt, zählt, liest Antworten gegen und schließt offene Einträge. Das ist ein Arbeitstakt aus meinem Betrieb, keine gemessene Grenze; bei Themen, die sich schnell ändern, kann er zu grob sein.
Wie du weitermachst
Beantworte eine Frage: Wessen Wissen würde dem Betrieb fehlen, wenn diese Person drei Monate ausfällt? Das ist deine erste Quelle. Vereinbare mit ihr ein Übergabe-Interview von einer Stunde, hol die Einwilligung ein, lass einen Kollegen fragen. Aus diesem einen Gespräch ziehst du die Fragen und ihre Antworten heraus, und die Einträge, bei denen sie „nach Gefühl“ sagt, sind dein Startpunkt für das zweite Interview.
Das Register führt bei mir Gustav, sein Paket liegt in meiner Community, mit Pseudonymisierungs-Pass und Einwilligungs-Vorlagen. Wer freigibt und in welchem Takt, legst du für deinen Betrieb fest, und dabei bist du nicht allein: In den Calls gehen wir Rollen und Review-Takt gemeinsam durch, und eine Frage in einem Posting findet meist jemanden, der dieselbe Übergabe schon organisiert hat. Alles dazu unter Community.
