Künstliche Intelligenz bietet mittlerweile ganz neue Ansätze, um Wissensmanagement neu zu denken und das ist bei vielen Unternehmen bereits angekommen. Dennoch ist für viele Unternehmen unklar, wie Sie Wissensmanagement mit KI neu denken können. In diesem Blogartikel erklären wir daher verschiedene Ansätze und stellen ein Tool als mögliche Lösung vor.
Inhaltsverzeichnis
Herausforderungen im Wissensmanagement
Die meisten Unternehmen, mit denen wir sprechen, haben können folgende Geschichte erzählen: Vor 15-25 Jahren wurden irgendwann mal Laufwerke und Outlook als erste Digitalisierungsaktivitäten eingeführt. Über die Zeit kamen irgendwann weitere Systeme hinzu: DMS-Systeme, Intranets, ERP-Systeme und oft auch selbstentwickelte Lösungen. Und seit einigen Jahren werden immer mehr Lösungen als Cloudlösungen angeboten und auch eingesetzt – zu groß wird der Verwaltungsaufwand von On Premiselösungen. Grundsätzlich lassen sich die Herausforderungen im Wissensmanagement durch drei Punkte besonders prägnant erklären:
1. Immer mehr Datensilos
Mit jeder Einführung eines neuen Systems wurden Prozesse aktualisiert, und Projektinformationen, die zunächst auf Laufwerken gespeichert wurden, wurden dann einige Jahre über das DMS verwaltet. Zusätzlich werden solche Dokumente seit wenigen Jahren noch über Teams und SharePoint gemanagt. Die Konsequenz für viele Unternehmen ist klar: Sich immer wieder verändernde Strukturen haben zu einem mehr oder weniger großen Chaos der eigenen IT-Systeme geführt. Zusätzlich sind wenige Systeme wirklich miteinander vernetzt, sondern agieren eher als „Silo“.
2. Immer schneller wachsende Datenmengen
Durch die vielen digitalen Tools, der E-Rechnungspflicht, Home-Office, generativer KI und all den anderen Trends, steigen die Datenmengen unaufhörlich und immer schneller im Unternehmen. Schon vor mehreren Jahren wurde exponentielles Datenwachstum vorhergesagt, was sich durch generative KI weiter beschleunigt. Jeden Tag entsteht auch in kleinen Unternehme viel zu viel Wissen (in Form von Forschung, Dokumenten, etc.) als das eine Person es überblicken könnte.
3. Der demografische Wandel
Eine weitere große Hürde in vielen Unternehmen ist der demografische Wandel – konnte man bisher oft noch einen erfahreneren Kollegen/In um Hilfe bitten, gehen diese immer öfter in Rente und mit ihnen der aufgebaute Wissensschatz. Somit fehlt der wichtige Hinweis, wo welche Information liegen könnte. Ein weiterer Trend der das beschleunigt: War es früher üblich oft jahrzehntelang bei einem Arbeitgeber zu bleiben, wechseln Arbeitnehmer heutzutage immer häufiger und bauen das Wissen in die Tiefe gar nicht mehr auf.
In der Konsequenz werden Unternehmen zukünftig deutlich mehr in ihr Wissensmanagement investieren müssen. Aber dies kann im Hinblick auf die zukünftige Weiterentwicklung mit KI auch eine Chance sein (Stichwort KI-Agenten).
Grundlagen im Wissensmanagement
Zunächst gilt es zwischen 3 Arten des Wissens zu unterscheiden:
- Unstrukturierte Daten
Als unstrukturierte Daten bezeichnet man zunächst alles, was nicht in Tabellenform gespeichert wird – also Dokumente, E-Mails oder Intraneteinträge. DMS-Systeme probieren über eine etwas strukturiertere Art Dokumente wie Rechnungen stärker zu strukturieren – solche Daten mit Tags werden im Allgemeinen als semistrukturierte Daten bezeichnet.
- Strukturierte Daten
Strukturierte Daten werden in Tabellenform abgespeichert – zum Beispiel in einem ERP oder einem PLM-System. In solchen Systemen werden üblicherweise Kennwerte oder Eigenschaften von z. B. einem Produkt oder einem Produktionsprozess festgehalten.
- Implizites Expertenwissen
Zu guter Letzt ist einiges an Wissen auch überhaupt noch nicht digitalisiert, somit auch überhaupt nicht zugänglich. Das ist meistens Wissen von Mitarbeitenden, die schon sehr lange in einem Unternehmen sind.
Lösungsansätze im Wissensmanagement
Die Frage, die sich stellt ist, wie man eine solche Herausforderungen lösen könnte. Die Datenmengen einmal aufzuräumen, fällt für viele Unternehmen weg, haben viele Informationen aus Gewähr- oder Dienstleistungsgründen doch eine sehr lange Halbwertszeit. Einer unserer Kunden rechnete für sich aus, dass er 5.000 Personenjahre benötigen würde, um alle Dokumente und Informationen sauber zu strukturieren. Die Herausforderung: Fragt man 3 Personen nach einer sinnvollen Struktur, erhält man oft 3 verschiedene Antworten – daher gibt es auch für eine KI keine sinnvolle Sortiermaßnahme, mit der man eine KI automatisch Informationen strukturieren lassen könnte.
Um das Wissen, welches in strukturierten Daten steckt, zu heben (um z. B. Fragen zu beantworten wie: „Wie viel Umsatz habe ich mit Kunde X in Zeitraum Y mit Produkt Z gemacht?“ oder „Wie viele Ressourcen habe ich für Prozessschritt X benötigt?“ sind Business Intelligence Lösungen das mittel zur Wahl, da diese sehr gut mit algorithmischen Fähigkeiten diese Daten analysieren und extrahieren können.
Das implizite Expertenwissen bzw. auch analoge Wissen steht zunächst vor der Herausforderung, digitalisiert werden zu müssen. Dazu empfehlen wir wie in diesem Blogbeitrag beschrieben folgenden Prozess:
- Vorbereitung von Experteninterviews, bevor Mitarbeitende ausscheiden zu den relevanten Themen
- Aufnahme von Tonaufnahmen, z. B. in Form eines Gesprächs
- Transkription mit Hilfe von KI
- Schreiben von Wissensartikeln basierend auf den Transkripten mit Hilfe von KI
Im Ergebnis erhält man dann wiederum primär unstrukturierte Informationen in Form von Blogartikeln bzw. Wissensdokumenten.
Wissensmanagement mit KI und unstrukturierten Daten
Damit bleibt der größte „Block“ an Informationen, welcher Jahrelang nicht gut gelöst wurde, noch über. Vor wenigen Jahren probierte man noch mit Intranets „Wissenshubs“ o. Ä. aufzubauen, mittlerweile hat man festgestellt, dass Intranets ein weiteres Datensilo sind, welches gepflegt werden muss und somit zum Problem beiträgt.
Durch KI haben Unternehmen nun die Chance, das interne Wissen mit Hilfe von intelligenten Suchlösungen schnell und einfach zugänglich zu machen. Ein Ansatz ist der Ansatz einer sogenannte Enterprise Search: Anstatt Wissen neu abzuspeichern lässt man es genau dort, wo es ist. Über sogenannte Konnektoren lässt man eine KI-basierte Suche die internen Datentöpfe durchsuchen – ähnlich wie bei „Google“.
Dabei können moderne Enterprise Search Lösungen mit Hilfe von Large Language Modellen (LLM’s) große Datenmengen viel effizienter und schneller durchsuchen, als dies früher möglich war. Ein Beispiel einer möglichen Enterprise Search Lösung ist hier abgebildet:
Natürlich stellen sich bei solchen Lösungen schnell Fragen zur IT-Sicherheit – z. B. Wie wird mit bestehenden Zugriffsrechten umgegangen?, Wo werden Daten gehostet, etc. All das sind Fragen, die wir unseren Kunden gerne beantworten. Falls du amberSearch einmal selbst ausprobieren möchtest, dann kannst du das hier tun:
amberSearch stellt eine kostenlos Demo bereit, in der über 10 verschiedene Systeme angebunden sind. Die Demo kann hier kostenlos ausprobiert werden:
Wie starten mit KI-basiertem Wissensmanagement?
Wer mit Wissensmanagement auf Basis von KI starten möchte, der sollte probieren, sich zunächst ein „Lagebild“ der Herausforderungen der eigenen Belegschaft machen. In diesem Blogartikel haben wir beispielhaft dargestellt, wie eine Umfrage als erster Ansatz für ein Unternehmen aussehen könnte. Zusätzlich sollte man sich recht zeitnah Gedanken um den Business Case machen – einerseits haben wir auch dazu einen Blogartikel geschrieben, andererseits gibt es auch auf unserer Preis-Seite einen ROI-Kalkulator.
Gerne unterstützen wir beim Einsatz von KI – stelle hier eine Kontaktanfrage: