Der Return on Knowledge

Die meisten Unternehmen legen ihr Wissen ordentlich ab. Wiederfinden lässt es sich trotzdem kaum. Der Atlassian-Bericht State of Teams 2025 — eine Befragung von 12.000 Wissensarbeitern und 200 Führungskräften über sechs Länder, darunter Deutschland — beziffert es deutlich: Teams und Führungskräfte verbringen rund ein Viertel ihrer Arbeitswoche mit der Suche nach Informationen.

Diese Größenordnung ist nicht neu. Frühere Untersuchungen von McKinsey nannten 19 bis 20 %, andere von IDC rund 30 %. Die 25 % fügen sich in diese Reihe ein — das Problem ist über Jahre stabil. Hinzu kommt der Preis der Unterbrechung: Wer ständig zwischen Postfach, Projektwerkzeug und Dateiversionen wechselt, verliert den Fokus. Laut Gloria Mark (UC Irvine) dauert es im Schnitt 23 Minuten und 15 Sekunden, bis man nach einer Unterbrechung wieder ganz bei der Aufgabe ist.

Der größere Verlust ist unsichtbar. Wenn erfahrene Mitarbeiter das Unternehmen verlassen, durch Wechsel oder Ruhestand, nehmen sie den Kontext mit. Dokumente halten das Ergebnis fest, selten den Weg dorthin. Warum wurde ein Lieferant gewechselt? Was war der Grund für die Strategieänderung vor drei Jahren? In verstreuten Ablagen geht diese Begründung verloren.

Diese Entwicklung verschärft sich durch die Demografie. Geht in den nächsten Jahren die Generation der Babyboomer in den Ruhestand, verlässt eine beispiellose Menge an Erfahrung die Unternehmen. Mit ihr geht das ungeschriebene Handbuch der Firma — das Wissen, das nie dokumentiert wurde, weil es immer jemand im Kopf hatte. Für den Mittelstand wird daraus ein Risiko für die Substanz, nicht nur eine Frage der Effizienz.

Für neue Mitarbeiter beginnt zugleich eine lange Suche. Ohne zentralen Zugriff auf frühere Projekte und Entscheidungen verbringen sie die ersten Wochen damit, sich Informationen zusammenzusuchen, statt produktiv zu werden.

Für jede Aufgabe gibt es heute eine spezialisierte Software: ein CRM für den Vertrieb, ein System für die Logistik, dazu die E-Mail. Das ist im Mittelstand zu Recht Standard. Nur entsteht daraus ein Paradox: Jede Abteilung wird für sich effizienter, das Unternehmen als Ganzes verliert den Überblick. Wenn Anwendungen nicht miteinander sprechen, müssen es die Menschen tun — und das kostet Zeit.

Wer „Kündigungsfrist" sucht, findet nicht, was intern „Austrittsbedingungen" heißt.

Die klassische Suche liest Dateinamen und Stichworte, nicht die Bedeutung. Genau daran scheitert sie im Alltag — kaum jemand benennt eine Datei so, wie ein anderer später danach fragt.

Hier ändert KI die Logik. Statt Informationen zu suchen, stellt man eine Frage in natürlicher Sprache und bekommt eine Antwort — gezogen aus den eigenen Unterlagen und mit Angabe der Quelle. KI versteht die Bedeutung und den Kontext, findet also auch die „Austrittsbedingungen", wenn jemand nach der „Kündigungsfrist" fragt. Die Technik dahinter heißt Retrieval Augmented Generation (RAG): Das Modell liefert die Sprache, das Unternehmen die eigenen Daten. Ein Bild, das es trifft — das Gehirn mieten, das eigene Gedächtnis nutzen.

Die großen Häuser machen es längst vor. Morgan Stanley hat mit dem AI @ Morgan Stanley Assistant (auf Basis von GPT-4) sein Research-Archiv mit rund 100.000 Dokumenten durchsuchbar gemacht. In Deutschland hat Bosch mit BoschGPT ein eigenes System auf Basis von Aleph Alpha eingeführt, und Siemens stellt seinen rund 300.000 Beschäftigten mit SiemensGPT einen internen Assistenten bereit. Laut McKinsey bauen inzwischen nahezu alle großen Dax-Konzerne solche Systeme.

Das Muster ist überall gleich: ein geprüftes Modell sicher mit den eigenen Daten verbinden, statt ein eigenes zu trainieren. Der Unterschied zur klassischen Suche — die Antwort kommt formuliert und mit Fundstelle, und lange Verläufe oder Dokumente fasst das System in Sekunden zusammen.

Die häufigste Sorge im Mittelstand ist die Datensicherheit. Sie ist berechtigt und lässt sich klären. Ein gutes Setup arbeitet ausschließlich im geschützten Raum der eigenen Daten. Das Modell verarbeitet die Inhalte, ohne sie zu speichern oder für Training zu verwenden. Für strengere Anforderungen lässt sich der Betrieb auf Serverstandorte in Deutschland oder der EU legen.

Genauso wichtig sind Rechte. Eine Datenklassifizierung und ein sauberes Rechtekonzept sorgen dafür, dass jeder nur die Informationen sieht, für die er eine Berechtigung hat. Sensible Daten bleiben bewusst außerhalb der KI. So bleibt die Kontrolle gewahrt, während der Zugang zu Wissen schneller wird. Mit dem EU AI Act werden diese Nachweise ohnehin verlangt.

Erfolgreiche Wissenssysteme haben einiges gemeinsam.

Datenfundament

Auffindbar und aktuell. Ohne diese Grundlage antwortet auch das beste Modell mit Halluzinationen.

Antwort mit Quelle

Jede Antwort belegt, damit sie überprüfbar bleibt.

Rechtekonzept

Es entscheidet, wer was sehen darf. Sensible Daten bleiben außerhalb der KI.

Mensch in der Kontrolle

An den Stellen, an denen ein Fehler teuer wird, gibt ein Mensch frei.

Kulturelle Akzeptanz

Die Einführung gelingt nur als Veränderungsprozess. Ein Team nutzt ein System erst, wenn es ihm vertraut und gelernt hat, gute Fragen zu stellen.

Klar umrissener Start

Ein Bereich mit einem messbaren Effekt, statt des großen Wurfs.

Eine verbreitete Sorge: Die KI könne veraltete Stände als Wahrheit ausgeben — das berüchtigte „Prozess_final_wirklich_final_2019". Ein gutes System dreht das um: Es zieht über Metadaten gezielt nur heran, was freigegeben und aktuell ist. So wird die Einführung zugleich ein Anlass, endlich aufzuräumen.

Genau das bauen wir. Wir verbinden ein geprüftes Modell sicher mit den Quellen eines Unternehmens — Handbüchern, Verträgen, Tickets — und machen daraus einen internen Assistenten, der Fragen belegt beantwortet. Wir fangen bei dem Bereich an, in dem die Suche die meiste Zeit bindet, halten sensible Daten außerhalb der KI und den Menschen in der Kontrolle. Und wir befähigen das Team, eigenständig weiterzuarbeiten.

Der Nutzen ist mehr als gesparte Suchzeit: Neue Mitarbeiter sind in Wochen eingearbeitet statt in Monaten. Der Kundenservice hat die passende Spezifikation in Sekunden zur Hand. Und niemand baut eine Analyse ein zweites Mal, die längst im Haus liegt.

Diesen Ansatz gießen wir gerade in ein eigenes Werkzeug: ScribeLog nimmt die Dokumente und Entscheidungen eines Unternehmens auf, hält daraus eine lebende, stets aktuelle Übersicht, achtet auf Rechte und ersetzt veraltete Stände. ScribeLog ist noch im Aufbau — für die erste Phase suchen wir eine begrenzte Zahl von Pilotpartnern. Mehr unter scribelog.de.

Ein kurzer Selbstcheck. Je mehr Punkte offen sind, desto größer der Hebel.

Onboarding

Eine neue Kollegin findet die wichtigsten Unterlagen ohne Nachfragen.

Aktuelle Version

Es ist klar, wo die aktuelle Version eines Dokuments liegt.

Das Warum

Das Warum hinter wichtigen Entscheidungen ist dokumentiert und auffindbar.

Bleibt im Haus

Wissen bleibt im Haus, auch wenn einzelne gehen.

KI-Rechte

Es ist geklärt, welche Daten eine KI sehen darf und welche nicht.