Was bedeutet KI-gestütztes Wissensmanagement – und warum gewinnt das Thema gerade für technische Unternehmen an Bedeutung?
Dr. Daniel Hüsson: Wir haben in den letzten Jahren eine rasante Entwicklung im Bereich der Sprachmodelle durchlaufen. Spätestens mit der breiten Verfügbarkeit leistungsfähiger generativer KI-Systeme wie ChatGPT wurde das Thema auch außerhalb der Forschung einem breiten Publikum zugänglich. Wie so häufig haben sich private Erfahrungen langsam ihren Weg in die Unternehmen gebahnt. Die grundlegende Technologie ist in der breiten Masse verfügbar und gerade technische Unternehmen müssen adaptieren, sonst weichen Mitarbeitende häufig auf nicht freigegebene KI-Dienste aus. Dadurch entstehen Risiken hinsichtlich Datenschutz, Compliance und Know-how-Abfluss; Stichwort Schatten-IT bzw. Schatten-KI.
Ein weiterer wichtiger Aspekt ist der Paradigmenwechsel von vortrainierten Modellen, die via Fine-Tuning das Wissen von Unternehmen lernen, hin zu Retrieval Augmented Generation, also der Bereitstellung von Wissen, das durch das Sprachmodell nur noch aufbereitet wird. Mittlerweile ist das die Standard-Technologie, auch OpenAI sucht beispielsweise live im Internet nach Antworten, wenn es um aktuelle Themen geht.
Das hat ganz erhebliche Vorteile, da externe Wissensquellen direkt angebunden werden können und kein kosten- und zeitintensives Fine-Tuning erfolgen muss. Bei technischen Unternehmen ist das wirklich entscheidend, da Release-Zyklen zu Breaking-Changes führen können und somit der Wissensbestand immer aktuell gehalten werden muss. Sobald das neue Dokument bereitgestellt wurde, steht dieses unmittelbar als Wissensquelle zur Verfügung.
Zudem gelingt es nicht immer die Wissensinhalte anwenderfreundlich aufzubereiten, die Verwendung von Sprachmodellen ermöglicht es, komplexe Sachverhalte zielgruppengerecht erklären zu lassen. Somit können sich auch fachfremde Nutzendezu relevanten Themengebieten informieren und für sie verständliche Informationen erhalten. Dadurch können Synergien realisiert werden, da Hemmschwellen gesenkt werden, sich mit komplexen Themengebieten auseinanderzusetzen.
Welche Voraussetzungen müssen Unternehmen schaffen, damit KI im Wissensmanagement sinnvoll eingesetzt werden kann?
Dr. Daniel Hüsson: Bei allen Errungenschaften bleibt die goldene Regel: Datenqualität ist der Schlüssel zum Erfolg.
Sofern es sich nicht um „Wikipedia-Wissen“ handelt, also eher faktenbasiert und allgemeinverfügbar, hat die beste KI keine Chance, Informationen zu validieren.
Wenn also zwei divergente Prozessbeschreibungen im Wissensmanagement-System liegen, wird die KI im besten Fall auf diese Inkonsistenz hinweisen, aber eine Bereinigung ist nur durch eine menschliche Intervention möglich, da hier die Entscheidungsgrundlage nicht eindeutig ist.
Wichtig ist auch, dass bei der Nutzung von KI eine erzwungene Groundedness – umgangssprachlich auch Halluzinationsfilter genannt - integriert wird, bei fehlenden Informationen neigen Sprachmodelle dazu auf Basis des eigenen, vortrainierten Modellwissen zu antworten, das hat dann aber mit der individuellen Wissens-Realität nichts mehr zu tun. Gleichzeitig muss die Awareness der Mitarbeitendeimmer wieder adressiert werden, auch wenn es überall in Chatbots drunter steht „KI kann Fehler machen“, das sogenannte Automation Bias wird zu einem immer größeren Problem. Unser Gehirn ist auf Effizienz getrimmt, wenn eine KI regelmäßig zuverlässige Antworten und Entscheidungen liefert, bauen wir Vertrauen auf und bauen unsere kritische Grundhaltung ab. Dabei ist unser kritisches Denken die komplementäre Stärke, die erst die Mensch-KI-Zusammenarbeit wirklich effizient macht. Klare Richtlinien, aber auch gezielt gestaltete Interaktionsmechanismen können Nutzer an kritischen Entscheidungspunkten bewusst zum Innehalten und zur Prüfung einer KI-Empfehlung anregen.
Welche Aufgaben kann KI im Wissensmanagement konkret übernehmen – vom Auffinden bis zur Verknüpfung von Wissen?
Dr. Daniel Hüsson: Ganz genau im Finden und Verknüpfen liegt die Stärke von KI, große Datenmengen stellen Menschen seit jeher vor unüberwindbare Hindernisse. Die KI kann die Daten operationalisieren, indem Cluster identifiziert werden, Anomalien entdeckt oder Verbindungen zwischen Datenpunkten gefunden werden. Der entscheidende Unterschied zu den Big Data-Ansätzen, die es schon seit Jahrzehnten gibt, ist dass wir über semantische Verbindungen reden. Was früher nur gut mit Zahlen und strukturierten Daten funktioniert hat, kann heute auf unstrukturierte Daten – sprich Texte - angewendet werden. Was hier ganz wichtig ist, eine Volltextsuche bringt in der Regel beim Auffinden keinen großen Vorteil, weil bestenfalls der Wortstamm gefunden wird, eine semantische Suche ist deutlich facettenreicher und findet auch ähnliche Wörter und Konzepte. Das Auffinden erstreckt sich aber nicht nur auf die Ähnlichkeit von Wörtern, durch Wissensgraphen können Beziehungen zwischen Themengebieten modelliert werden und durch eine Ontologie werden ganze Wissenskonzepte bereitgestellt, die Beziehungsgeflechte durchsuchbar machen.
Wo liegen die Grenzen von KI im Wissensmanagement – und warum bleibt die fachliche Bewertung durch Expert*innen unverzichtbar?
Dr. Daniel Hüsson: Neben den ganz klar durch den EU-AI-Act regulierten Anforderungen bleibt die menschliche Fähigkeit komplexe Zusammenhänge zu erkennen, Prioritäten zu setzen und kompetente Entscheidungen zu treffen unersetzbar. Einige Unternehmen, die durch KI Mitarbeitendeersetzt haben, mussten schmerzhaft feststellen, dass KI doch nicht so flexibel ist, wie wir Menschen. Auch sind die Kosten für KI mittlerweile unkalkulierbar geworden, mit jeder neuen Version eines Modells werden neue „Reasoning-Fähigkeiten“ integriert und man muss parametrieren, wieviel Tokens für das „Denken“ verbraucht werden dürfen, bevor überhaupt eine relevante Antwort generiert wird.
Da die KI nicht in unserer Welt „lebt“, fehlt es an dem gesamtheitlichen Kontext und natürlich auch an Empathie. Zudem generiert die KI in der Regel statistische Mittelwerte, fragen Sie den Chatbot Ihrer Wahl nach einer Zahl zwischen 1 und 100. Die Antwort wird in der Regel mit 42 oder 73 zurückkommen. Das ist weit entfernt von Zufall, das Modell versteht die Intention nicht richtig und antwortet auf Basis der vortrainierten Daten mit einem häufig gefundenen Wert.
Wie gelingt der Einstieg in KI-gestütztes Wissensmanagement: Mit welchen Use Cases sollten Unternehmen starten?
Dr. Daniel Hüsson: Erste Erfahrungen machen Unternehmen häufig mit den Standard-Tools wie Microsoft Copilot oder Claude von Anthropic. Das ist ein guter Einstieg, um Erfahrungen zu sammeln, jedoch stoßen diese Tools schnell an Grenzen, da diese für eine Grundgesamtheit konzipiert sind und nicht die Besonderheiten von spezifischen Daten berücksichtigen.
Ein Ingenieurbüro kam Ende letzten Jahres auf uns zu und hatte die Anforderung die Eurocodes mit den nationalen Anhängen in einem Wissensmanagement-System durchsuchbar zu machen. Die Herausforderung dabei ist, dass die Beziehungen zwischen den Informationen nur textuell beschrieben sind und z.B. auf Tabellennamen und Variablennamen verwiesen wird. Mit o.g. Tools werden diese Verknüpfungen nicht gefunden.
Das ist eine sehr konkrete Anforderung und genau mit solchen Anwendungsfällen kann dann die Suche nach einem geeigneten Implementierungspartner starten.
In einem Praxisprojekt haben wir hierfür eine Lösung entwickelt, die durch eine Kombination von semantischer Suche, Schlagwortsuche, Named-Entity-Recognition, Wissensgraph und Ontologie genau die relevanten Inhalte findet und der Nutzende direkt mit diesen Inhalten interagieren kann, das Konzept dahinter heißt „Hybrid Search“. Damit werden verschiedene Suchverfahren orchestriert, so dass die relevanten Informationen aus Ergebnissen mehrerer Suchstrategien ermittelt werden.
Ein weiterer Aspekt ist, dass Unternehmen mit Produkten, die unter Exportkontrolle stehen oder die Unternehmensgeheimnisse nicht mit Dritten teilen möchten, ganz andere Anforderungen haben. Es ist dort keine Option auf die üblichen Cloud-Only-Lösungen zu gehen, souveränes Wissensmanagement ist daher ein Baustein, um wichtige Daten in geschützten Bereichen nutzbar zu machen.
Wie wird KI das Wissensmanagement in technischen Organisationen in den kommenden Jahren verändern?
Dr. Daniel Hüsson: Wir erleben eine Transformation quasi im Zeitraffer, vor 2-3 Jahren, waren alle verfügbaren Informationen noch sehr sicher menschengemacht und schon damals wurde von Informationsflut gesprochen. Es gab Prozessdokumentationen, Produktleitfäden, etc., jede Seite wurde geschrieben und idealerweise korrekturgelesen. Heute entstehen immer mehr Dokumentationen unter erheblicher Unterstützung generativer KI.
Es werden somit Unmengen an Informationen generiert, die nicht ausreichend geprüft wurden, dieses Wissen wird dann wiederum durch eine „lesende“ KI als Kontext verwendet und den Menschen wiederum als Fakt präsentiert.
Wir verlieren somit nach und nach die Kontrolle über unsere Wissensbasis, die größte Herausforderung ist somit vollständig nachvollziehbares Wissen zu erzeugen, wobei Nachvollziehbarkeit nicht allein durch die Referenz auf ein Dokument erreicht wird, sondern durch eine unabhängige Validierung. Im Bereich der Softwareentwicklung lässt sich dies noch relativ einfach durch Unit-Tests etc. validieren, bei Geschäftsprozessen oder Produktionsverfahren ist dies jedoch wesentlich komplexer.
Aus meiner Sicht wird es somit durch die KI-Wissensinflation dazu kommen, dass der Wert von Menschen kuratierten Wissen wieder massiv steigen wird.
Je einfacher Wissen erzeugt werden kann, desto wertvoller wird verifiziertes, verantwortetes und kuratiertes Wissen.
Hier geht es auch um die direkte Verlässlichkeit und Verbindlichkeit von Wissen. Ein KI-Co-Autor für grammatikalischen Feinschliff ist dabei natürlich zulässig, aber die inhaltliche Verantwortung muss einem Menschen zugeordnet werden können. Dieses Wissen ist dann die Grundlage für zuverlässige Aussagen von RAG-Basierten, agentischen Chatbots im Wissensmanagement, die umfangreiche Recherchen durchführen, Wissen zusammentragen und aufbereiten, so dass der Mensch Entscheidungen auf einer breiten, validen Wissensbasis sowie der notwendigen Empathie trifft und somit seine Stärken nutzt.
