Insights
Vom Dokumenten-Friedhof zur gepflegten Wissensbasis: Was ein selbstkuratierendes Wissenssystem im Betrieb ändert
Die Montageanleitung ist alt, die Sonderregel steckt in einer Mail, und die Einstellwerte kennt nur ein Kollege kurz vor der Rente. Wie ein Wissenssystem, das sich selbst pflegt, dieses Wissen im Haus hält.
Wenn der erfahrenste Mitarbeiter in Rente geht, geht in vielen Betrieben das Wissen mit, weil es nie in einer Form vorlag, die jemand pflegt. Ein selbstkuratierendes Wissenssystem verwandelt die passive Dokumentenablage in eine Wissensbasis, die sich aus Rohquellen selbst aktualisiert, Widersprüche meldet und trotzdem nichts ohne menschliche Freigabe verändert.
Wissen geht mit erfahrenen Mitarbeitern in Rente, weil das Wiki nie gepflegt wurde
Klassische Firmen-Wikis und Dokumentenablagen haben ein strukturelles Problem: Sie hängen an manueller Pflege, und die geht im Tagesgeschäft unter. Die Montageanleitung ist mehrere Versionen alt, die Sonderregel für den einen Kunden steht in einer E-Mail von damals, und wie die Prüfvorrichtung wirklich eingestellt wird, weiß nur der Kollege, der seit Jahrzehnten dabei ist. Solange er da ist, funktioniert das. Danach beginnt das Raten.
Die Folge kennt jeder Betriebsleiter. Mitarbeiter suchen lange und finden Veraltetes oder Widersprüchliches. Entscheidungen fallen aus dem Bauch, weil die Faktenlage unklar ist. Die Einarbeitung neuer Kollegen dauert Monate, weil das Wissen nur im Gespräch weitergegeben wird.
Was ein selbstkuratierendes Wissenssystem anders macht
Ein selbstkuratierendes Wissenssystem geht über klassisches Retrieval-Augmented Generation (RAG) hinaus. RAG ist eine Suchschicht: Die KI holt sich zu einer Frage passende Textstellen und formuliert daraus eine Antwort. Widersprechen sich die Dokumente, mischt sie stillschweigend beides. Das selbstkuratierende System pflegt das Wissen stattdessen aktiv. Es destilliert aus Rohquellen wie Dokumenten, E-Mails und Tickets gepflegte Wissensseiten, erkennt Widersprüche und veraltete Inhalte und schlägt Aktualisierungen vor. Der Mensch bleibt in der Verantwortung, weil nichts ohne Freigabe in die Wissensbasis gelangt.
Zwei Ebenen: Rohquellen und Wissensseiten
Der entscheidende Unterschied liegt in der Trennung zweier Ebenen. Die erste sind die Rohquellen: alle Dokumente, E-Mails, Transkripte und Tickets, unverändert indexiert. Die zweite besteht aus kuratierten Wissensseiten, redaktionell aufbereitet, mit Quellen belegt, versioniert und mit einem Verantwortlichen versehen. Bei Antworten bevorzugt das System die freigegebenen Wissensseiten und greift nur bei Lücken auf Rohquellen zurück, mit sichtbarer Kennzeichnung, woher die Aussage stammt. Wer eine Antwort liest, sieht also, ob sie auf einem geprüften Stand beruht oder auf einer alten Mail.
So arbeitet die Kuratierung
Die Kuratierungs-Engine ist das Herzstück. Bei der Destillation extrahiert sie aus neuen Quellen Wissensbausteine und ordnet sie bestehenden Seiten zu. Findet sie ein Thema ohne Seite, legt sie einen Seitenentwurf an, inklusive Quellenbelegen und Vorschlag für die verantwortliche Rolle. Bei Widersprüchen zwischen Quellen erstellt sie einen Konfliktvermerk mit beiden Aussagen nebeneinander, damit ein Mensch entscheidet. Ein Aktualitätswächter markiert Seiten, deren Prüfdatum überschritten ist, und eine Lückenerkennung meldet Themen, zu denen es keine belastbaren Informationen gibt.
Für einen Fertigungsbetrieb heißt das: Die Einstellparameter der Prüfvorrichtung stehen auf einer Seite, die die QS-Leitung verantwortet. Ändert der Hersteller die Vorgabe, landet das neue Datenblatt als Rohquelle im System, die Engine erkennt den Widerspruch zur bestehenden Seite und legt ihn der QS-Leitung vor. Die entscheidet mit einem Klick. Das Wissen bleibt im Haus, auch wenn der Kollege mit den Erfahrungswerten im Kopf geht.
Qualität statt Antwort-Lotterie
Der größte Vorteil liegt in der Qualitätssicherung. Jede Antwort ist mit Quellen belegt, veraltete Informationen sind sichtbar markiert, Widersprüche landen beim Menschen statt in der Antwort. Das schafft Vertrauen in KI-Ausgaben, und Vertrauen ist die Voraussetzung dafür, dass ein Betrieb Nachweise und Kundendokumentation überhaupt auf ein solches System stützt.
Ein Anwendungsfall im Vertrieb: Eine eingehende Kundenanfrage wird analysiert, mit dem Firmenwissen angereichert und zu einem Antwortentwurf verarbeitet, jede Aussage mit Beleg. Der zuständige Mitarbeiter prüft den Entwurf in einer Freigabe-Inbox, korrigiert bei Bedarf direkt und gibt frei. Erst dann geht die Mail raus. Das spart Bearbeitungszeit, und jede Antwort beruht auf dem aktuellen Wissensstand statt auf der Erinnerung des Bearbeiters.
Der Mensch bleibt in der Verantwortung, die Daten bleiben im Haus
Trotz aller Automatisierung ist ein selbstkuratierendes Wissenssystem kein Selbstläufer. Es ist ein Assistenzsystem, das den Menschen von monotoner Pflegearbeit entlastet. Die Freigabe-Schleifen stellen sicher, dass keine inhaltliche Änderung ohne Genehmigung wirksam wird, und genau diese Freigaben liefern die Dokumentation, die Kundenaudits und Nachweispflichten verlangen. Die laufende Pflege reduziert sich auf einen kurzen, regelmäßigen Review je Verantwortlichem.
Das System kann auf europäischer Cloud-Infrastruktur wie STACKIT betrieben werden. Personenbezogene Daten lassen sich minimieren, Löschungen werden weitergegeben, und die Daten bleiben im eigenen Einflussbereich. DSGVO-Konformität ist damit eine Frage der Umsetzung, nicht des Prinzips.
Wählen Sie einen Bereich, in dem Wissen heute an einer Person hängt, etwa Einrichtung, Prüfung oder Sonderaufträge, und starten Sie dort ein Pilotprojekt. Wenn Sie dafür jemanden brauchen, der das System baut und betreibt, buchen Sie einen Potenzial-Check: eine halbe Stunde, kostenlos, mit einer Einschätzung, welcher Wissensbereich bei Ihnen zuerst gesichert werden sollte.