Wissensmanagement mit KI: Grundlagen, Architektur und Praxis

01

Was ist Wissensmanagement, und was ändert KI daran?

Wissensmanagement gestaltet, wie eine Organisation Wissen erfasst, ordnet, findet, anwendet und aktuell hält. KI verändert vor allem zwei Phasen: Schriftliches Wissen lässt sich nach Bedeutung durchsuchen und in belegte Antworten übersetzen, und gesprochene Erfahrungsberichte lassen sich schneller verschriften und ordnen. Die Pflege der Quellen und die Zuständigkeit dafür verändert KI nicht.

Klassisches Wissensmanagement scheiterte selten an fehlenden Dokumenten, sondern daran, dass sie niemand fand, dass niemand sie aktuell hielt und dass das Entscheidende nie aufgeschrieben wurde. Wikis, Laufwerke und Dokumentenmanagement lösten das Ablageproblem, nicht das Findeproblem: Wer den richtigen Suchbegriff nicht kannte, blieb ohne Treffer.

Sprachmodelle verschieben diesen Engpass. Eine semantische Suche findet Dokumente auch dann, wenn Frage und Text andere Wörter benutzen. Retrieval-Augmented Generation formuliert daraus eine Antwort mit Fundstelle. Damit wird die Qualität des Bestands sichtbarer als je zuvor: Ein System, das eine überholte Arbeitsanweisung flüssig und mit Quellenangabe zitiert, richtet mehr Schaden an als eine Suche, die sie nicht findet.

Dieser Leitfaden ist der Einstieg in zehn Wissensseiten. Jede Phase und jeder Baustein hat eine eigene Vertiefung, auf die hier an passender Stelle verwiesen wird.

02

Was ist der Unterschied zwischen explizitem und implizitem Wissen?

Explizites Wissen ist ausgesprochen oder aufgeschrieben: Handbücher, Richtlinien, Protokolle. Implizites Wissen steckt in Erfahrung und Können und lässt sich schwer in Worte fassen, etwa wie eine erfahrene Fachkraft eine Störung am Geräusch erkennt. KI arbeitet fast ausschließlich mit explizitem Wissen und hilft beim impliziten nur dort, wo Menschen es zuerst artikulieren.

Der Chemiker und Philosoph Michael Polanyi prägte mit The Tacit Dimension (University of Chicago Press, 1966) die Beobachtung, dass wir mehr wissen, als wir sagen können. Ikujiro Nonaka baute darauf in A Dynamic Theory of Organizational Knowledge Creation (Organization Science, 1994) ein Modell auf: Organisationales Wissen entsteht im fortlaufenden Wechsel zwischen implizitem und explizitem Wissen, über vier Formen der Umwandlung. Dieses Modell eignet sich gut, um die Rolle von KI nüchtern zu verorten.

Die Tabelle erklärt, warum die meisten KI-Projekte im Wissensmanagement bei der Kombination beginnen: Dort liegt das Material schon vor. Wo das entscheidende Wissen erst aus Köpfen geholt werden muss, etwa vor einem Generationenwechsel, beschreibt Wissen sichern, bevor es in Rente geht Methoden wie Experteninterview, Lessons Learned und Wissenslandkarte.

03

Welche Phasen hat Wissensmanagement, und welche KI-Technik passt zu welcher?

Ein praktikables Modell unterscheidet fünf Phasen: erfassen, strukturieren, finden, anwenden und pflegen. Zum Erfassen passen Texterkennung und Transkription, zum Strukturieren Extraktion und Wissensgraphen, zum Finden semantische Suche und RAG, zum Anwenden Agenten mit Freigabepunkten, zum Pflegen Messung der Antwortqualität. Berechtigungen und Betrieb ziehen sich durch alle Phasen.

• Erfassen: Wie Scans, Tabellen und Formulare lesbar werden und wann visuelle Suche Texterkennung schlägt, erklärt Dokumente mit KI verstehen.
• Strukturieren: Wann Beziehungen wichtiger sind als Ähnlichkeit, zeigt Wissensgraphen und GraphRAG.
• Finden: Die Suchverfahren behandelt Semantische Suche im Unternehmen, die Antwortsysteme darauf Retrieval-Augmented Generation.
• Anwenden: Vom Abruf zum Arbeitsschritt führt KI-Agenten in der Wissensarbeit.
• Pflegen: Halluzinationen, Quellenbindung und Bewertung beschreibt KI-Antworten prüfen.

04

Wie ist eine KI-Wissensdatenbank aufgebaut?

Eine KI-Wissensdatenbank besteht aus Anbindungen an die Quellen, einer Aufnahme, die Text, Struktur, Metadaten und Rechte übernimmt, einem Suchindex, einer Abrufschicht mit Rechtefilter, einem Sprachmodell für belegte Antworten und einer Oberfläche mit Rückmeldung. Jede Schicht ist austauschbar und lässt sich im eigenen Netz oder in EU-Hosting betreiben.

Das Muster geht auf Retrieval-Augmented Generation zurück (Lewis et al., 2020): Das Wissen liegt im Index, nicht im Sprachmodell. Zwei Entscheidungen prägen die Architektur. Erstens, wie Leserechte aus den Quellsystemen bis in den Abruf getragen werden, beschrieben in Berechtigungen in KI-Wissenssystemen. Zweitens, wo das Modell läuft; was ein Betrieb mit offenen Gewichten verlangt, zeigt Lokale Sprachmodelle. Wie iiterate solche Systeme umsetzt, beschreibt KI-Wissensmanagement.

Die letzte Schicht wird oft unterschätzt. Eine Oberfläche, in der Nutzer eine Antwort als falsch oder veraltet markieren können, verbindet das System mit der Pflege: Die Meldung landet bei der Person, die für die zitierte Quelle zuständig ist. Protokolliert werden Frage, abgerufene Fundstellen und Bewertung, soweit möglich ohne personenbezogene Inhalte. Aus diesen Protokollen entsteht mit der Zeit der Testsatz, an dem jede spätere Änderung gemessen wird.

05

Welchen Rahmen bietet die Norm ISO 30401 für Wissensmanagement?

ISO 30401 legt Anforderungen und Leitlinien für Aufbau, Umsetzung, Aufrechterhaltung, Überprüfung und Verbesserung eines Managementsystems für Wissensmanagement fest. Die erste Ausgabe erschien im November 2018 und wurde 2022 und 2024 ergänzt; eine Überarbeitung ist seit 2026 in der Abstimmung. Die Norm beschreibt Organisation und Prozesse, keine Software.

Nach ihrer Einleitung soll die Norm Organisationen als Leitfaden dienen und zugleich Grundlage für Audits und Zertifizierungen sein. Ihre Anforderungen sind für Organisationen jeder Art und Größe formuliert. Der Entwurf der zweiten Ausgabe, ISO/DIS 30401, befindet sich laut ISO seit dem 25. Juni 2026 in der Abstimmung und soll die Fassung von 2018 ersetzen.

06

Wie verbreitet ist KI in Unternehmen in Deutschland und der EU?

Laut Statistischem Bundesamt nutzten 2025 26 Prozent der Unternehmen in Deutschland ab zehn Beschäftigten KI-Technologien, bei 250 und mehr Beschäftigten 57 Prozent. EU-weit waren es nach Eurostat 20,0 Prozent, nach 13,5 Prozent im Vorjahr. Häufigste Technologie war die Analyse geschriebener Sprache, das Feld, auf dem Wissensmanagement mit KI aufsetzt.

Die Zahlen messen Nutzung, nicht Nutzen: Ob Antworten stimmen und Quellen gepflegt sind, erfasst keine dieser Erhebungen. Wo Ihr Haus steht, lässt sich mit dem KI-Readiness-Check strukturiert einschätzen.

07

Wie reif ist das Wissensmanagement in Ihrem Unternehmen für KI?

Ein Selbstcheck fragt, ob Wissen schriftlich und auffindbar vorliegt, ob Zuständigkeiten und Fassungen geklärt sind, ob Rechte gepflegt werden, ob es echte Testfragen gibt und ob implizites Wissen gesichert wird. Sind nur wenige Punkte erfüllt, lohnt es sich meist, zuerst Bestand und Zuständigkeiten zu ordnen und erst danach ein KI-System aufzubauen.

Als Faustregel: Wer sechs oder mehr Punkte abhakt, kann einen Prototyp an echten Daten sinnvoll messen. Bei drei bis fünf lohnt ein eng begrenzter Wissensbereich, in dem die fehlenden Punkte zuerst geklärt werden. Darunter liegt die Arbeit in Organisation und Bestand. Für die Dokumentenlage gibt es zusätzlich den RAG-Readiness-Check.

08

Wann hilft KI im Wissensmanagement nicht?

KI hilft nicht, wo das Problem organisatorisch ist: wenn niemand für Quellen zuständig ist, wenn Wissen aus Sorge um die eigene Rolle zurückgehalten wird, wenn Dokumente sich widersprechen oder wenn das Entscheidende nie aufgeschrieben wurde. Ein KI-System macht diese Lücken sichtbar, schließen muss sie die Organisation selbst.

Kultur lässt sich nicht installieren. Wo Beschäftigte Wissen als persönliche Absicherung verstehen, ändert ein Assistent daran nichts; wo Führung Dokumentation als Teil der Arbeit anerkennt, wird er schnell nützlich.