Eine Wissensdatenbank, die tatsächlich benutzt wird

Fast jeder Betrieb hat schon einmal eine Wissensdatenbank aufgebaut. Ein Wiki, ein Ordner mit Anleitungen, ein Confluence-Space, eine SharePoint-Ablage mit guten Absichten. Und fast überall gilt: Nach einem halben Jahr fragt man lieber den Kollegen, statt zu suchen.

Das Problem liegt selten am Werkzeug. Es liegt daran, dass eine Wissensdatenbank zwei Dinge gleichzeitig leisten muss — aktuell bleiben und schnell auffindbar sein —, und beides mit reiner Handarbeit kaum durchzuhalten ist. Was das ändert, ist der Kern dieses Beitrags.

Die kurze Antwort

Eine Wissensdatenbank wird dann tatsächlich benutzt, wenn sie zwei Bedingungen erfüllt: Sie muss sich von selbst aktualisieren, weil sie direkt aus den Dokumenten, Mails und Systemen speist, die im Betrieb ohnehin entstehen — und sie muss sich in normaler Sprache durchsuchen lassen, statt exakte Stichworte oder eine bestimmte Ordnerstruktur vorauszusetzen. Klassische Wikis scheitern an beidem: Jemand muss aktiv pflegen, und wer sucht, muss vorher schon wissen, wie der Eintrag heißt. Eine KI-gestützte Wissensdatenbank liest bestehende Quellen automatisch ein und beantwortet Fragen wie „Wie behandeln wir Reklamationen bei Sonderanfertigungen?" direkt mit der passenden Stelle aus der Anleitung — ohne dass vorher jemand ein Stichwort dafür angelegt hat. Das ersetzt keine Fachkenntnis, aber es ersetzt das Suchen danach.

Warum die meisten Wissensdatenbanken sterben

Drei Muster wiederholen sich in fast jedem Betrieb, den wir dazu befragt haben.

Die Pflege hängt an einer Person. Meist ist es diejenige, die das System eingeführt hat. Solange sie Zeit hat, ist die Datenbank aktuell. Wechselt die Zuständigkeit oder wird es im Tagesgeschäft eng, bleibt die Pflege liegen — und mit ihr das Vertrauen der anderen.

Suchen setzt Wissen voraus, das man gerade nicht hat. Wer nicht weiß, dass der Artikel „Retourenabwicklung Sonderfälle" heißt, findet ihn nicht, obwohl er genau die Antwort enthält. Klassische Volltextsuche findet nur, was wortwörtlich vorkommt — nicht, was gemeint ist.

Die Datenbank ist ein zusätzliches System. Jede Information muss doppelt gepflegt werden: einmal dort, wo sie entsteht (E-Mail, Auftrag, Protokoll), und einmal in der Wissensdatenbank. Diese zweite Pflege fällt im Alltag als Erstes weg.

Was eine funktionierende Wissensdatenbank anders macht

Der Unterschied liegt nicht in mehr Disziplin, sondern in der Technik dahinter.

Sie liest, statt dass jemand einträgt. Eine KI-gestützte Lösung zieht Inhalte direkt aus den Quellen, die ohnehin gepflegt werden — abgelegte Anleitungen, abgeschlossene Support-Tickets, interne Protokolle, Vertragsvorlagen. Ändert sich das Ausgangsdokument, zieht die Antwort automatisch nach. Es entsteht kein zweiter Pflegeaufwand.

Sie versteht Fragen, keine Stichworte. Statt „Reklamation Sonderanfertigung" eintippen zu müssen, kann jemand fragen: „Ein Kunde will eine Sonderanfertigung zurückgeben, was gilt da?" Die KI ordnet die Frage dem passenden Abschnitt zu, auch wenn die Formulierung nicht identisch ist.

Sie zeigt die Quelle mit. Eine gute Antwort verweist auf das Dokument, aus dem sie stammt, mit Datum. Das ist wichtig, weil eine KI-Antwort ohne Quellenangabe im Betrieb zu Recht misstraut wird — mit Quellenangabe kann jeder selbst prüfen, ob die Information noch aktuell ist.

Ein Beispiel aus der Praxis

Ein Handwerksbetrieb mit rund 25 Mitarbeitern hatte über Jahre technische Anleitungen, Herstellerdokumente und interne Vermerke in einem Ordnersystem angesammelt — mehrere hundert Dateien, unterschiedlich benannt, teils doppelt, teils veraltet. Neue Mitarbeiter fragten in der Praxis fast immer einen erfahrenen Kollegen, weil die Ordnerstruktur nur für den verständlich war, der sie über Jahre mit aufgebaut hatte.

Die vorhandenen Dokumente wurden an eine durchsuchbare Wissensdatenbank angebunden, ohne die Ablage selbst umzustrukturieren. Fragen lassen sich seither in normaler Sprache stellen, direkt aus dem Chat auf dem Werkstatt-Tablet. Der erfahrene Kollege wird seltener unterbrochen, weil ein großer Teil der Standardfragen jetzt direkt beantwortet wird — genau die Art von Frage, die vorher zwangsläufig bei ihm landete, weil niemand sonst wusste, wo die Antwort steht.

Was eine Wissensdatenbank kostet

Die Bandbreite hängt stark davon ab, wie viele Quellen angebunden werden und wie strukturiert die vorhandenen Dokumente sind. Marktüblich liegt eine Einrichtung meist zwischen 2.500 und 10.000 Euro einmalig, dazu kommt eine laufende Betreuung im niedrigen bis mittleren dreistelligen Bereich pro Monat. Die reinen Abfragekosten der KI selbst bewegen sich im Cent-Bereich je Anfrage und fallen bei normaler Nutzung kaum ins Gewicht.

| Ausgangslage | Aufwand für die Einrichtung | |---|---| | Wenige, gut strukturierte Quellen (z. B. ein Ordner mit aktuellen Anleitungen) | eher am unteren Ende der Spanne | | Viele verstreute Quellen mit Dubletten und veralteten Ständen | deutlich mehr Vorarbeit, Aufräumen zuerst | | Mehrere Systeme gleichzeitig (Mail, CRM, Ablage) | oberes Ende, weil jede Quelle eigens angebunden wird |

Wie der Einstieg abläuft

Der Aufbau folgt in der Praxis meist derselben Reihenfolge, unabhängig von der Branche.

Zuerst wird sortiert, nicht digitalisiert. Bevor irgendetwas angebunden wird, lohnt sich ein kurzer Blick auf die vorhandenen Quellen: Welche Anleitung ist noch aktuell, welche ist die dritte Version derselben Datei, welche kann weg? Wer diesen Schritt überspringt, baut eine schnelle Suche über einen unaufgeräumten Bestand — und findet dann schneller die falsche Antwort.

Dann wird ein einzelner Bereich angebunden. Nicht die gesamte Ablage auf einmal, sondern ein Bereich mit hohem Rückfragevolumen, etwa technische Anleitungen oder wiederkehrende Kundenfragen. So zeigt sich schnell, ob die Antworten treffen, bevor der Aufwand für den gesamten Bestand entsteht.

Erst danach folgt die Erweiterung. Läuft der erste Bereich zuverlässig, kommen weitere Quellen dazu — Verträge, Protokolle, E-Mail-Verläufe. Das hält den Aufwand planbar und das Ergebnis von Anfang an nutzbar, statt monatelang an einem großen Projekt zu arbeiten, das erst am Ende einen Nutzen zeigt.

Wo es nicht funktioniert

Eine Wissensdatenbank ersetzt keine fachliche Entscheidung — sie liefert die Grundlage dafür, nicht das Urteil selbst. Bei Fragen mit rechtlicher oder sicherheitsrelevanter Tragweite, etwa zu Gewährleistung oder Arbeitsschutz, muss die Antwort weiterhin von jemandem geprüft werden, der die Verantwortung dafür trägt. Und wenn die Ausgangsdokumente selbst veraltet oder widersprüchlich sind, übernimmt die KI diesen Zustand ungefiltert — eine Wissensdatenbank macht schlechte Quellen nicht automatisch richtig, sie macht sie nur schneller auffindbar. Wer personenbezogene Daten von Kunden oder Mitarbeitern mit einbindet, muss zudem klären, wer auf welche Inhalte zugreifen darf, bevor die Datenbank live geht — das ist eine Rechte- und keine reine Technikfrage.

Der nächste Schritt

Der einfachste Einstieg ist meist nicht die große Wissensdatenbank für den gesamten Betrieb, sondern ein einzelner Bereich mit häufigen Rückfragen — etwa technische Anleitungen oder Standardprozesse im Kundenservice. Was ein KI-Assistent für Unternehmen dabei konkret leisten kann und wie die Anbindung an bestehende Dokumente abläuft, steht auf der zugehörigen Seite.

Wenn unklar ist, welche Informationsquelle in eurem Betrieb am meisten Zeit kostet, weil sie ständig mündlich weitergegeben werden muss, ist das eine gute Frage für die kostenlose Prozessanalyse. Verwandt ist auch der Beitrag Dokumente automatisch ablegen und wiederfinden, der sich mit der Ablage selbst beschäftigt, statt mit dem Durchsuchen vorhandener Inhalte.