KI im Mittelstand beginnt nicht bei der IT (Serie, Teil 8 von 14)
Teil 8 KI ersetzt kein Unternehmenswissen: Warum Fachbereiche ihr Erfahrungswissen vor dem produktiven KI-Einsatz sichern müssen
Viele Unternehmen betrachten künstliche Intelligenz als Möglichkeit, Wissen schneller verfügbar zu machen. Dokumente sollen durchsucht, Kundenanfragen beantwortet, Berichte erstellt, Entscheidungen vorbereitet und Mitarbeiter entlastet werden.Das ist grundsätzlich richtig.
Aber es gibt einen Punkt, der häufig unterschätzt wird:
KI kann nur mit Wissen arbeiten, das ihr zugänglich gemacht wird.
Und genau hier beginnt das Problem.
In vielen Unternehmen liegt ein erheblicher Teil des entscheidenden Wissens nicht in Datenbanken, Dokumentationen oder Prozesshandbüchern. Es liegt in den Köpfen erfahrener Mitarbeiter. In Gewohnheiten. In Ausnahmen. In informellen Regeln. In historischen Begründungen. In stillschweigendem Erfahrungswissen.
Eine KI kann dieses Wissen nicht einfach erraten.
Sie kann Dokumente auswerten. Sie kann Daten verdichten. Sie kann Muster erkennen. Sie kann Texte formulieren. Aber sie kann nicht zuverlässig wissen, warum ein Unternehmen bestimmte Dinge so macht, wenn dieses Wissen nie sauber beschrieben, geprüft und gepflegt wurde.
Deshalb gilt:
KI ersetzt kein Unternehmenswissen. Sie zeigt zuerst, wie viel davon nicht dokumentiert ist.
Daten sind nicht dasselbe wie Wissen
Viele Unternehmen verwechseln Daten mit Wissen.Daten zeigen, was gespeichert wurde. Wissen erklärt, was es bedeutet.
Ein Auftrag im System ist ein Datensatz. Warum dieser Auftrag anders behandelt werden muss als andere, ist Wissen.
Ein Kundenstatus im CRM ist ein Datenfeld. Warum dieser Kunde trotz geringer Marge strategisch wichtig ist, ist Wissen.
Ein Liefertermin im ERP ist eine Information. Ob dieser Termin realistisch ist, weil ein bestimmter Lieferant regelmäßig Verzögerungen hat, ist Erfahrungswissen.
Eine Prozessbeschreibung zeigt den offiziellen Ablauf. Wie der Prozess tatsächlich funktioniert, wissen oft nur die Menschen, die täglich damit arbeiten.
Für KI ist dieser Unterschied entscheidend.
Wenn nur Daten verfügbar sind, aber der fachliche Kontext fehlt, kann KI Ergebnisse erzeugen, die formal plausibel wirken, aber fachlich falsch oder unvollständig sind.
Sie kennt dann die gespeicherte Oberfläche des Unternehmens, aber nicht seine gelebte Wirklichkeit.
Das wichtigste Wissen ist oft unsichtbar
Gerade im Mittelstand ist viel Wissen personengebunden.Langjährige Mitarbeiter wissen, welche Kunden besondere Anforderungen haben. Sie kennen historische Entscheidungen, Lieferantenprobleme, alte Systemgrenzen, interne Abkürzungen, nicht dokumentierte Prüfregeln und Ausnahmen, die nie offiziell beschrieben wurden.
- Sie wissen, welcher Bericht mit Vorsicht zu lesen ist.
- Sie wissen, welche Datenfelder eigentlich falsch benannt sind.
- Sie wissen, welche Excel-Liste aktueller ist als das offizielle System.
- Sie wissen, welcher Prozess nur auf dem Papier so funktioniert.
- Sie wissen, welche Entscheidung früher einmal getroffen wurde, damit ein Altsystem weiterlaufen konnte.
Es wird selten vollständig dokumentiert, weil im Tagesgeschäft keine Zeit dafür bleibt. Solange die erfahrenen Mitarbeiter im Unternehmen sind, funktioniert vieles trotzdem. Man fragt eben Frau Müller, Herrn Schneider oder den Kollegen aus der alten Projektgruppe.
Doch sobald diese Personen ausfallen, in Rente gehen oder das Unternehmen verlassen, entsteht ein Wissensloch.
Mit KI wird dieses Problem nicht kleiner. Es wird sichtbarer.
Denn produktive KI benötigt genau jenes Wissen, das oft nicht dokumentiert ist.
KI kann fehlendes Erfahrungswissen nicht automatisch rekonstruieren
Ein häufiger Irrtum lautet:„Wenn wir KI einsetzen, wird sie unser Wissen schon finden.“
Das stimmt nur eingeschränkt.
KI kann vorhandene Informationen besser zugänglich machen. Sie kann Dokumente durchsuchen, Texte zusammenfassen, Zusammenhänge aus bekannten Daten ableiten und Mitarbeitern helfen, schneller Antworten zu finden.
Aber sie kann nicht zuverlässig erkennen, welches Wissen fehlt.
- Wenn eine Regel nie dokumentiert wurde, kennt die KI sie nicht.
- Wenn eine Ausnahme nur mündlich weitergegeben wurde, kann die KI sie nicht sauber berücksichtigen.
- Wenn ein Prozess offiziell anders beschrieben ist als er tatsächlich gelebt wird, verarbeitet die KI im Zweifel die falsche Realität.
- Wenn alte Entscheidungen nie begründet wurden, kann die KI deren Sinn nicht erklären.
Die KI wirkt kompetent, weil sie gut formuliert. Aber sie argumentiert auf Grundlage unvollständigen Unternehmenswissens.
Das ist gefährlicher als eine einfache Wissenslücke. Denn gut formulierte KI-Ausgaben erzeugen Vertrauen.
Warum KI sogar zu Wissensverlust führen kann
Viele Unternehmen kennen diesen Effekt bereits aus klassischer Software.Ein System wird eingeführt. Prozesse werden automatisiert. Fachbereiche gewöhnen sich daran, dass das Programm die Regeln kennt. Nach einigen Jahren wissen viele Mitarbeiter nicht mehr, warum bestimmte Abläufe so funktionieren.
Die Regel ist noch im System. Aber das Verständnis ist aus der Organisation verschwunden.
Bei KI kann sich dieser Effekt verstärken.
Denn KI führt nicht nur Regeln aus. Sie erklärt, verdichtet, empfiehlt und formuliert. Dadurch kann der Eindruck entstehen, das System „wisse“ mehr, als es tatsächlich weiß.
Mitarbeiter fragen weniger nach. Fachbereiche prüfen weniger genau. Neue Mitarbeiter lernen nicht mehr die zugrunde liegenden Regeln, sondern nur noch die Bedienung der KI. Entscheidungen werden aus KI-Ausgaben übernommen, ohne die fachliche Grundlage vollständig zu verstehen.
So kann eine paradoxe Situation entstehen:
Das Unternehmen setzt KI ein, um Wissen besser nutzbar zu machen — und verliert gleichzeitig eigenes Prozessverständnis.
Das ist kein Argument gegen KI. Aber es ist ein starkes Argument für bewusste Wissenssicherung.
Fachbereiche müssen vor KI-Einsatz aktiver werden
Unternehmenswissen kann nicht allein durch IT gesichert werden.Die IT kann Systeme bereitstellen, Daten anbinden und technische Sicherheit gewährleisten. Aber sie weiß nicht, welche Ausnahmen fachlich wichtig sind, welche Regeln historisch entstanden sind oder welche Kundenbesonderheiten wirklich relevant sind.
Dieses Wissen liegt in den Fachbereichen.
Deshalb müssen Fachbereiche vor produktivem KI-Einsatz eine neue Verantwortung übernehmen.
Sie müssen nicht zu KI-Experten werden. Aber sie müssen klären:
- Welche Regeln gelten wirklich?
- Welche Ausnahmen sind relevant?
- Welche Daten sind vertrauenswürdig?
- Welche Dokumente sind aktuell?
- Welche Prozessbeschreibung stimmt mit der Realität überein?
- Welche Entscheidungen beruhen auf Erfahrungswissen?
- Welches Wissen darf nicht nur in einzelnen Köpfen bleiben?
- Welche KI-Ergebnisse müssen fachlich geprüft werden?
Aber ohne diese Arbeit bleibt KI oberflächlich.
Wissenssicherung ist kein Dokumentationswahn
An dieser Stelle entsteht leicht ein Missverständnis.Wissenssicherung bedeutet nicht, jedes Detail in endlosen Handbüchern zu beschreiben. Das wäre für viele Unternehmen unrealistisch und wirtschaftlich unsinnig.
Es geht nicht darum, Wissen so vollständig wie möglich zu dokumentieren.
Es geht darum, das relevante Wissen so gut wie nötig verfügbar zu machen.
Entscheidend ist die Frage:
Welches Wissen braucht die KI, damit sie einen konkreten Anwendungsfall zuverlässig unterstützen kann?
Für einen KI-Assistenten im Kundenservice können das andere Informationen sein als für eine KI in der Qualitätsauswertung, im Einkauf oder im Controlling.
Deshalb muss Wissenssicherung immer zweckbezogen erfolgen.
Nicht das ganze Unternehmen wird auf einmal dokumentiert. Es wird der relevante Wissensbereich für einen konkreten KI-Baustein erfasst.
Das ist der pragmatische Mittelstandsweg.
Welche Wissensarten besonders wichtig sind
Vor einem produktiven KI-Einsatz sollte ein Unternehmen besonders auf jene Wissensarten achten, die selten vollständig in Systemen stehen.1. Ausnahme- und Sonderfallwissen
Viele Prozesse funktionieren im Normalfall gut. Kritisch wird es bei Ausnahmen.- Welche Kunden erhalten Sonderbehandlung?
- Welche Lieferanten sind riskant?
- Welche Aufträge müssen manuell geprüft werden?
- Welche Produkte haben Besonderheiten?
- Welche Fälle dürfen nicht automatisch entschieden werden?
2. Historisches Entscheidungswissen
Viele Strukturen in Unternehmen haben historische Gründe.- Ein System wurde eingeführt, weil ein anderes nicht mehr tragfähig war.
- Ein Prozess wurde angepasst, weil ein Kunde besondere Anforderungen hatte.
- Eine Schnittstelle wurde gebaut, weil kurzfristig eine Lösung gebraucht wurde.
- Eine Regel entstand aus einem Fehlerfall vor vielen Jahren.
Dann steigt die Gefahr, dass KI oder neue Projekte alte Schutzmechanismen unwissentlich umgehen.
3. Bewertungswissen
Viele Entscheidungen beruhen nicht nur auf Daten, sondern auf Bewertung.- Ist ein Kunde strategisch wichtig?
- Ist ein Lieferant verlässlich?
- Ist ein Projektstatus kritisch?
- Ist eine Reklamation außergewöhnlich?
- Ist eine Abweichung tolerierbar?
- Ist eine Zahl plausibel?
4. Prozessrealität
Offizielle Prozessbeschreibungen zeigen oft, wie ein Ablauf gedacht ist.Die Realität kann anders aussehen.
Mitarbeiter kennen Abkürzungen, Rückfragen, manuelle Prüfungen, informelle Freigaben und typische Problemstellen.
Wenn KI nur den offiziellen Prozess kennt, aber nicht die tatsächliche Arbeitsweise, entsteht ein verzerrtes Bild.
5. Qualitätsmaßstäbe
KI kann Ergebnisse vorbereiten. Aber die Frage, ob ein Ergebnis gut genug ist, bleibt fachlich.- Was ist eine gute Kundenantwort?
- Was ist eine brauchbare Zusammenfassung?
- Was ist eine ausreichende Prüfung?
- Wann ist ein Ergebnis unsicher?
- Wann muss eskaliert werden?
Wie Unternehmen Wissen KI-fähig machen
Ein Unternehmen muss sein Wissen nicht vollständig digitalisieren, bevor es KI nutzen kann. Aber für jeden produktiven KI-Anwendungsfall braucht es eine gezielte Wissensaufnahme.Ein pragmatischer Ablauf könnte so aussehen.
1. Kritischen Wissensbereich auswählen
Nicht alles auf einmal.Zuerst wird ein konkreter Anwendungsfall gewählt:
Kundenservice, Angebotsvorbereitung, Qualitätsprüfung, Dokumentenanalyse, Wissensdatenbank, Einkauf, Controlling oder ein anderer begrenzter Bereich.
Dann wird gefragt:
Welches Wissen braucht die KI, um hier sinnvoll zu unterstützen?
2. Wissensträger identifizieren
- Wer kennt den Prozess wirklich?
- Wer kennt die Ausnahmen?
- Wer erkennt falsche Ergebnisse sofort?
- Wer weiß, welche Dokumente veraltet sind?
- Wer versteht die informellen Regeln?
3. Erfahrungswissen strukturiert erheben
Dieses Wissen muss nicht in Romanform dokumentiert werden.Besser sind strukturierte Formate:
- häufige Fälle,
- Ausnahmen,
- Entscheidungsregeln,
- Warnsignale,
- Beispiele,
- Gegenbeispiele,
- gültige Dokumente,
- veraltete Dokumente,
- Prüfkriterien,
- Eskalationsregeln.
4. Fachlich prüfen und freigeben
Nicht jedes Erfahrungswissen ist automatisch richtig.Manches Wissen ist veraltet. Manche Regeln beruhen auf Gewohnheit. Manche Ausnahmen wurden nie sauber entschieden. Manche Mitarbeiter haben unterschiedliche Sichtweisen.
Deshalb muss erhobenes Wissen geprüft werden.
KI darf nicht einfach informelle Praxis konservieren, wenn diese fachlich falsch oder wirtschaftlich unsinnig ist.
Hier entsteht oft ein zusätzlicher Nutzen: Das Unternehmen erkennt, welche Regeln nie sauber geklärt wurden.
5. Wissen laufend pflegen
Wissen altert.Kunden ändern sich. Produkte ändern sich. Märkte ändern sich. Gesetze ändern sich. Systeme ändern sich. Prozesse ändern sich.
Eine KI-Wissensbasis ist deshalb kein einmaliges Dokumentationsprojekt.
Sie braucht Pflege.
- Wer aktualisiert Regeln?
- Wer entfernt veraltete Informationen?
- Wer bewertet neue Fälle?
- Wer entscheidet bei Widersprüchen?
- Wer prüft, ob KI-Ausgaben auf aktuellem Wissen beruhen?
Neue Rollen entstehen
Produktiver KI-Einsatz erzeugt neue Aufgaben.Diese Aufgaben liegen zwischen Fachbereich, IT, Qualitätssicherung und Management.
Ein Unternehmen braucht Menschen, die fachliches Wissen sichern, Daten bewerten, KI-Ergebnisse prüfen und Rückmeldungen in die Verbesserung einbringen.
Diese Rollen müssen nicht immer neue Vollzeitstellen sein. Gerade im Mittelstand werden sie häufig Teil bestehender Funktionen sein.
Aber die Aufgaben müssen klar benannt werden.
Dazu gehören zum Beispiel:
Fachlicher KI-Verantwortlicher: Er verantwortet, ob die KI im jeweiligen Bereich fachlich sinnvoll eingesetzt wird.
Wissensverantwortlicher: Er sorgt dafür, dass relevantes Fachwissen aktuell und nutzbar bleibt.
Datenverantwortlicher: Er bewertet, welche Daten für den KI-Anwendungsfall belastbar genug sind.
KI-Ergebnisprüfer: Er prüft, ob Ausgaben plausibel, vollständig und fachlich korrekt sind.
Architekturverantwortlicher: Er stellt sicher, dass einzelne KI-Bausteine nicht zu neuen Insellösungen werden.
Die Bezeichnungen sind zweitrangig.
Entscheidend ist: Produktive KI braucht menschliche Verantwortung an den Schnittstellen.
Warum das nicht gegen KI spricht
Manche mögen einwenden:Wenn KI so viel Vorarbeit braucht, lohnt sie sich dann überhaupt?
Die Antwort lautet: Ja — aber nicht überall und nicht ohne Vorbereitung.
KI kann enorme Vorteile bringen, wenn sie auf brauchbare Daten, gesichertes Fachwissen und klare Verantwortung trifft.
Sie kann Mitarbeiter entlasten, Wissen schneller verfügbar machen, Entscheidungen vorbereiten und Abläufe verbessern.
Aber sie ist kein Ersatz für die gedankliche Arbeit, die ein Unternehmen vorher leisten muss.
Im Gegenteil:
KI zwingt Unternehmen, implizites Wissen explizit zu machen.
Das kann anstrengend sein. Aber es ist auch eine Chance.
Denn ein Unternehmen, das sein eigenes Wissen besser versteht, wird nicht nur KI-fähiger. Es wird insgesamt führungsfähiger, stabiler und weniger abhängig von einzelnen Personen.
Wissenssicherung als Wettbewerbsvorteil
Viele Unternehmen werden KI zunächst als Werkzeug zur Effizienzsteigerung betrachten.Die stärkeren Unternehmen werden einen Schritt weitergehen.
Sie werden KI nutzen, um ihr eigenes Wissen systematischer zu erfassen, zu prüfen und verfügbar zu machen.
Das ist besonders im Mittelstand wichtig.
Dort ist Erfahrungswissen oft ein zentraler Wettbewerbsvorteil. Kundenbeziehungen, technische Besonderheiten, Prozesskenntnis, Qualitätsgefühl und pragmatische Problemlösungskompetenz sind über Jahre gewachsen.
Wenn dieses Wissen nicht gesichert wird, verliert das Unternehmen einen Teil seiner Identität.
Wenn es aber strukturiert verfügbar gemacht wird, kann KI helfen, dieses Wissen breiter nutzbar zu machen.
Nicht als Ersatz für erfahrene Mitarbeiter. Sondern als Verstärker ihres Wissens.
Fazit: Vor KI-Wissen kommt Unternehmenswissen
Künstliche Intelligenz kann Wissen zugänglicher machen. Aber sie erzeugt kein belastbares Unternehmenswissen aus dem Nichts.Sie braucht Daten, Dokumente, Regeln, Beispiele, Erfahrungen, Bewertungen und fachlichen Kontext.
Gerade im Mittelstand liegt vieles davon nicht in Systemen, sondern in den Köpfen erfahrener Menschen.
Wer KI produktiv einsetzen will, muss dieses Wissen sichern, prüfen und pflegen.
- Nicht vollständig.
- Nicht perfektionistisch.
- Aber zweckbezogen und verantwortet.
KI ersetzt kein Unternehmenswissen. Sie macht sichtbar, ob dieses Wissen überhaupt zugänglich, aktuell und belastbar ist.
Für Geschäftsführer bedeutet das:
- Vor produktiver KI steht nicht nur Datenqualität.
- Vor produktiver KI steht auch Wissensqualität.
- Denn aus Daten entstehen Informationen.
- Aus Informationen entsteht Wissen.
- Aus Wissen entstehen bessere Entscheidungen. KI kann diesen Weg unterstützen.
Aber sie kann ihn nicht überspringen.
Teil 9: Warum echte Enterprise-Architekten fehlen: Die unterschätzte Rolle zwischen Geschäftsführung, IT und KI
Die Ingenieure von 4WT werden meist für Unternehmen aus dem DACH-Raum hinzugezogen wenn:
Lassen Sie uns konkret über Ihr Vorhaben sprechen.
Kein Pitch.
Keine Verpflichtung.
Keine Vertriebsrhetorik
Austausch zwischen zwei Unternehmer, die Klartext reden.
Nur 15 Minuten zur Einordnung Ihres Themas.
📞 +49 30 8687094010 (Bitte Zeitverschiebung nach Bangkok beachten.)
✉️ uwe.richter@it-e-com.de
🔗 4WT Kontaktseite
🔗 4WT Firmenseite
Manchmal reicht ein einziges Gespräch, um teure Fehler zu vermeiden.
- Sie planen, den südostasiatischen Markt zu erschließen (Expansion, Markteintritt, Diversifizierung von Lieferketten);
- Sie deutsche Ingenieure mit technischem Sachverstand (juristische thailändische Person mit deutscher DNA), lokaler Präsenz und deutscher Management, jedoch keine Folienberatung suchen;
- Sie einen juristischen deutschen Partner vor Ort in Südostasien zur Unterstützung Ihrer Aktivitäten und als verlängerten Arm benötigen (operativ/technisch-exekutiv Betreuung vor Ort);
- Sie den Eindruck haben, dass in Ihrer Niederlassung ein Shadow-Management etabliert werden muss, welches die asiatische Arbeitskultur schon seit Jahrzehnten kennt, aber eine 100-prozentige deutsche DNA besitzt - Cultural Broker.
- Sie eine kulturell angepasste Unterstützung Ihrer thailändischen Geschäftsführung entsprechend deutscher Qualitäts- und Prozessanforderungen suchen.
- Sie die enormen Kosten ihres entsendeten Expat mit Sorge erfüllen und Sie eine deutlich günstigere skalierbare Alternative suchen.
- Sie eine Repräsentation bzw. bevollmächtigte Unternehmensvertretung als Liaison Office, Business Proxy oder Corporate Service Provider benötigen.
- Sie rechtssichere pragmatische FBA-Umgehung suchen.
- die Kosten für Ihre IT nicht mehr kalkulierbar sind und Sie keinen echten Mehrwert spüren,
- operativer Betrieb und IT nicht mehr sauber zusammenpassen und dadurch wirtschaftliche Entscheidungen ins Leere laufen,
- Sie das Gefühl haben, ihre Unternehmen arbeiten für die IT und nicht umgekehrt
- trotz gleicher Sprache es zu Verständnisschwierigkeiten zwischen Ihnen und Ihrer IT-Abteilung kommt und Sie einen Sparringspartner benötigen,
- Sie suchen eine Person, die ihnen in Augenhöhe ehrliche Antworten gibt und nicht aufgrund von Befürchtungen bezüglich seiner nächsten Beförderung oder seines Arbeitsvertrags handelt.
- sich keiner Ihrer Mitarbeiter mehr mit den Legacy-(Alt‑)Systemen im Keller auskennt,
Lassen Sie uns konkret über Ihr Vorhaben sprechen.
Kein Pitch.
Keine Verpflichtung.
Keine Vertriebsrhetorik
Austausch zwischen zwei Unternehmer, die Klartext reden.
Nur 15 Minuten zur Einordnung Ihres Themas.
📞 +49 30 8687094010 (Bitte Zeitverschiebung nach Bangkok beachten.)
✉️ uwe.richter@it-e-com.de
🔗 4WT Kontaktseite
🔗 4WT Firmenseite
Manchmal reicht ein einziges Gespräch, um teure Fehler zu vermeiden.
Zufällige Auswahl von Artikeln zum Thema: KI
- KI im Mittelstand beginnt nicht bei der IT (Serie, Teil 13 von 14)
- KI im Mittelstand beginnt nicht bei der IT (Serie, Teil 10 von 14)
- KI im Mittelstand beginnt nicht bei der IT (Serie, Teil 11 von 14)
- Unternehmensberatung Mittelstand mit Umsetzungsverantwortung
- Prompt Engineering für den Mittelstand - deutsche Ingenieursqualität statt KI-Illusion (4WT-Seite)
- Was macht eigentlich ein Prompt Engineer?
- Kann eine KI in naher Zukunft einen erfahrenen Softwareingenieur ersetzen, Teil 1?
In welchem Blogartikel kommt folgendes Suchwort vor? Über 4WT
Dieser Beitrag spiegelt die Perspektive von 4WT wider – einem Ingenieurbüro, das Unternehmen dabei unterstützt, komplexe IT-Landschaften wieder beherrschbar zu machen.
Unser Fokus liegt nicht auf schnellen Lösungen oder Methodentrends, sondern auf Klarheit, Entscheidungsfähigkeit und verantwortungsvoller Automatisierung an der Schnittstelle zwischen Unternehmertum und IT.
Präsentation des Ingenieurbüros 4WT
Wir verstehen IT nicht als Selbstzweck, sondern als Nervensystem des Unternehmens.
