Solution Path for Knowledge Management

Am 14. April 2025 veröffentlichte Gartner seinen neuesten Research-Bericht über das betriebsinterne Wissensmanagement. Wir stellen in diesem Blog-Artikel einige uns wichtige Punkte daraus vor:

Strukturierte Dokumentationen und gepflegte Wissensdatenbanken sind wichtige Bestandteile eines Wissensmanagement-Programmes, aber sie decken nur einen Bruchteil des tatsächlichen Wissens ab, das in den Köpfen der Mitarbeitenden steckt.

Dieser Punkt ist besonders (zeit)kritisch, da in den nächsten 10 Jahren (bis 2035) 30% der Fachkräfte in den Ruhestand gehen werden und ihr Wissen nicht mehr dem Unternehmen zur Verfügung stehen wird. Es gibt etliche Ansätze, das Wissen der Mitarbeitenden zu dokumentieren und anschließend anderen Mitarbeitenden zur Verfügung zu stellen. Unser Technologiepartner Empolis Information Management hat hierfür sowohl nicht-KI- als auch KI-basierte Ansätze entwickelt, die diesen Wissenstransfer unterstützen.

Die meisten Unternehmen starten ihre KM-Initiativen mit einem übermäßigen Fokus auf Tools, Repositories und Technologie. Dies ist zum Scheitern verurteilt.

Diese Erfahrung haben sicherlich bereits etliche Unternehmen gemacht. Sie ist nicht auf KM-Projekte beschränkt, sondern gilt in ähnlicher Form auch für andere Projekte, wenn die Mitarbeitenden nicht mit dem Tool arbeiten, aber für das KM gilt es sicherlich in einem besonderen Maße. Wenn Knowledge Management nur vom Projekt-Verantwortlichen getrieben wird, aber nicht von den Mitarbeitenden, scheitert es. KM muss von allen Mitarbeitenden aufgegriffen und in die operative Arbeit, in ihre Prozesse integriert sein, selbstverständlich "minimal-inversiv". Denn Mitarbeitende haben weder die Zeit noch die Verantwortung, Wissen systematisch zu erfassen, zu dokumentieren und zu pflegen. Es liegt in der Verantwortung der Unternehmensleitung dafür zu sorgen, dass das Unternehmens-Wissen im Unternehmen bleibt. Umgesetzt werden muss es mit einem im Arbeitsprozess integrierten Wissensmanagement.

KI und Maschinelles Lernen (ML) sind keine Abkürzung. Sie machen ein stabiles, gut gepflegtes Wissensmanagement nicht überflüssig, sondern noch wichtiger.

Den Ausdruck "Garbagge in, garbagge out" kennen sicherlich alle, die sich mit IT schon länger befassen. Dies gilt auch für den Einsatz von KI. Zum einen gilt dies für das Training von KI-Modellen, zum anderen aber auch für die Daten, auf die bereits trainierte Algorithmen zugreifen (zum Beispiel ChatGPT oder andere Sprachmodelle). Sind die zugrundeliegenden Unternehmensdaten, auf die Sprachmodelle zugreifen sollen, nicht gut gepflegt, werden die die Antworten der Algorithmen qualitativ entsprechend ausfallen. Nun ist die Einschätzung "gut gepflegt" sehr vage. In jedem Unternehmen gibt es Bereiche, deren Daten besser gepflegt sind und Bereiche, die hier nachlässiger waren. Lassen Sie uns gemeinsam anschauen, welche Daten bei Ihnen vorliegen, welche Qualität sie haben und wie sie für KI-Ansätze geeignet sind.

Daraus folgt insgesamt auch: der traditionelle KM-Ansatz bleibt erhalten, er wird durch den KI-basierten KM-Ansatz ergänzt, zum Beispiel:

Traditioneller KM-Ansatz: Fokus auf formale Dokumentation und strukturierte Datenbanken

KI-basierter KM-Ansatz: Fokus auf Erfassung von Wissen mittels KI-Algorithmen

Traditioneller KM-Ansatz: manuelle Pflege und hoher Wartungsaufwand

KI-basierter KM-Ansatz: Selbstlernende Systeme, die sich automatisch aktualisieren und verbessern

Traditioneller KM-Ansatz: abhängig von Nutzer-initiierten Suchprozessen

KI-basierter KM-Ansatz: pro-aktive Bereitstellung von Wissen und Empfehlungen auf Basis von ML-Analysen

Wir werden in weiteren Blog-Artikeln einige Aspekte dieser Punkte wieder aufgreifen und detaillierter beleuchten. Auch in unserem Webinar am 05. Oktober werden wir auf den Gartner Solution Path detaillierter eingehen.