In kleinen Unternehmen füllen Kolleg:innen meist mehrere Rollen aus. Für jede Rolle wird spezielles Wissen benötigt. Verlässt nun jemand das Unternehmen, geht dieses Wissen mit. Das ist in KMU besonders ärgerlich, weil Schulung und Onboarding neuer Kolleg:innen jede Menge Ressourcen kosten.
Du interessierst dich für die Nutzung von KI-Werkzeugen in KMU? In unserem Erfahrungsbericht KI für kleine Unternehmen haben wir aufgeschrieben, welche KI-Stacks wir in unserer täglichen Arbeit nutzen.
Wissen kann außerdem veralten, auch wenn es im Unternehmen verbleibt. In einem typischen KMU verteilt es sich auf Köpfe, E-Mails, Tickets, Protokolle, Programmcode, Wikis, private Notizen auf einzelnen Rechnern, Excel-Listen und Datenexporte. Oft ist gar nicht mehr klar, an welchen Stellen überall Wissen gespeichert wurde.
Ein tragfähiger Ansatz muss deshalb zwei Fragen beantworten: Wie kommt Wissen ohne Zusatzaufwand in ein gemeinsames System? Und wie bleibt es aktuell?
Wissensmanagement mit KI: unser Ablauf in fünf Schritten
Wir bei 42he, der Firma hinter CentralStationCRM, arbeiten als 15-köpfiges Team. Unser System für das Wissensmanagement ist also auf die Bedürfnisse einer kleinen Softwarefirma zugeschnitten. Unser Ablauf lässt sich in fünf Schritte unterteilen:
- Rohdaten an der Quelle abholen.
- Personendaten entfernen, bevor etwas weiterfließt.
- Zusammenfassungen pro Abteilung schreiben.
- Wissen in Arbeitsabläufe überführen.
- Bestand kontrollieren und Zuständigkeiten klären.
Wo das Wissen am Ende gespeichert wird, ist erstmal zweitrangig. Entscheidend für einen guten Prozess ist, wie man mit Quellen, Fragen und Antworten umgeht.
Schritt 1: Rohdaten an der Quelle abholen
Im ersten Schritt verzichten wir bewusst auf zusätzliche Dokumentation. Wir sammeln, was im Arbeitsalltag ohnehin entsteht:
- die Inhalte unserer Website
- unseren Programmcode
- die Anfragen in unserem Support-Tool
- die Tickets der Entwicklung
- die Protokolle der Abteilungsmeetings
- festgehaltene Entscheidungen und direkte Änderungen an Systemen und im Code
Diese Quellen haben einen Vorteil gegenüber jedem Handbuch: Die Arbeit selbst hält sie aktuell. Ein Support-Ticket entsteht, weil ein Kunde eine Frage stellt. Ein Protokoll entsteht, weil ein Meeting stattgefunden hat.
In deinem Betrieb sehen die Quellen wahrscheinlich anders aus. Im Handwerk können es Auftragsnotizen und Materiallisten sein, in einer Beratung Projektberichte und Angebote. Die Frage ist: Wo fällt bei dir Wissen schon schriftlich an? An welchen Stellen lohnt es sich, dieses Wissen aufzubewahren und up to date zu halten?
Schritt 2: Personendaten entfernen, bevor etwas weiterfließt
Rohdaten enthalten Namen von Kunden und Kolleg:innen, Kontaktdaten und Details aus Gesprächen. Bevor wir die Daten weiterverarbeiten, entfernen zuerst ein deterministisches Skript und danach eine KI diese Angaben. Dafür läuft bei uns ein Open-Source-Sprachmodell auf einem eigens eingerichteten Rechner. Die Rohdaten verlassen das Haus nicht.
Das KI-Modell muss dabei nicht besonders leistungsfähig sein. Es reicht, wenn Namen, Adressen und andere Merkmale zuverlässig erkannt und ersetzt werden. In Zusammenarbeit mit dem Skript ergibt sich eine sehr gute und recht günstige Möglichkeit, Kundendaten zu anonymisieren. Stichproben durch einen Menschen würde ich trotzdem immer einplanen.
Nachdem die Rohdaten jetzt anonymisiert wurden, müssen sie noch für die Nutzung aufbereitet werden.
Schritt 3: Zusammenfassungen pro Abteilung schreiben
Aus den bereinigten Rohdaten schreibt die KI Zusammenfassungen für Marketing, Support und Entwicklung. Der Gedanke dahinter ist, dass jede Abteilung andere Fragen an die Rohdaten haben wird. So erfährt der Support, wie die Entwicklung eine Funktion umgesetzt hat, ohne dafür ein Meeting anzusetzen. Das Marketing sieht, wie der Support eine häufige Kundenfrage beantwortet. Wer also verstehen will, wie ein Thema in einer anderen Abteilung läuft, bekommt auf diese Weise schnell einen Überblick.
Schritt 4: Wissen in Arbeitsabläufe überführen
Nach den ersten drei Schritten ist das Wissen zentral organisiert und wird für jede Abteilung gesondert zusammengefasst. Wir haben allerdings schnell gemerkt, dass das nicht ausreicht, solange niemand konkrete Arbeitsabläufe auf den gesammelten Daten aufbaut.
Im vierten Schritt setzen wir also unsere KI-Assistenten auf die Zusammenfassungen an. Sie stellen Fragen und entwickeln daraus wiederkehrende Abläufe (sogenannte Skills). Ein Skill ist eine festgelegte Arbeitsanweisung an die KI, die auf das gesammelte Wissen zugreift und eine bestimmte Aufgabe erledigt.
So nutzen wir Skills heute:
- Support: Die KI beantwortet einfache Kundenfragen, das Support-Team prüft die Antwort vor dem Versand. Außerdem stellt die KI Themen zusammen, zu denen immer wieder Fragen kommen. Auch sehr erfahrene Kolleg:innen im Support haben so eine Gedächtnisstütze für die häufigsten Anliegen.
- Marketing: Das Marketing erkennt in den Daten, welche Themen die Kunden beschäftigen. Hier kann dann geprüft werden, ob dazu Inhalte über die Hilfeartikel hinaus sinnvoll sind. Weiterhin sind Fragen zu Funktion und Umfang des Produktes möglich, die jetzt nur noch auf einer einzigen Wissensbasis fußen.
- Entwicklung: Die Entwicklung sucht in den Daten nach Kundengruppen, die bestimmte Module nutzen. So verstehen wir besser, welche Bedeutung das Produkt für unterschiedliche Kunden hat.
Schritt 5: Kontrolle und klare Zuständigkeit
Der fünfte Schritt (bei uns ehrlicherweise gerade im Aufbau) richtet sich gegen das zweite Problem, das Verkramen und Veralten von Wissen. Geplant sind KI-Prozesse, die den Wissensbestand in regelmäßigen Abständen prüfen. Sie suchen nach Widersprüchen und Lücken in den Zusammenfassungen der Abteilungen.
Die KI stellt alle Funde zusammen und legt sie der Person vor, die genügend Wissen für eine vernünftige Entscheidung besitzt. Für den Anfang reicht eine einfache Übersicht, etwa eine Liste der Themen mit je einer verantwortlichen Person. Daran erkennen Mensch und KI gleichermaßen, wer im Unternehmen welches Wissen verwaltet.
Voraussetzungen und Grenzen
Der hier vorgestellte Ablauf zum KI-Wissensmanagement braucht mindestens eine Person für die Betreuung. Diese richtet die Quellen ein und behält das Entfernen der Personendaten und die Aktualisierung der Zusammenfassungen im Blick. Ohne diese Zuständigkeit verliert auch ein automatisiertes System an Wert.
Die offensichtliche Grenze: Erfahrungswissen, das nie aufgeschrieben wurde, erfasst der Ablauf nicht. Wie ein Verkäufer ein schwieriges Gespräch führt, steht in keinem Ticket. Solches Wissen wird im direkten Austausch weitergegeben. Wie Forschung und Praxis versuchen, auch dieses Wissen mit KI zu erfassen, zeigt das frei verfügbare Buch Wissensmanagement mit Künstlicher Intelligenz des Instituts für angewandte Arbeitswissenschaft.
Die Zusammenfassungen können in einem Wiki, in einer Dateiablage oder im CRM liegen. Wichtig ist, dass das Wissen dort verfügbar ist, wo gearbeitet wird. Kundenwissen gehört für mich ins CRM. In CentralStationCRM hängen Gesprächsnotizen, E-Mails und Termine ohnehin am Kontakt. Wie sich ein CRM als Baustein in KI-Abläufe einbinden lässt, erklärt Moritz Breit aus unserer Entwicklung im Interview So bringen wir das CRM zur KI.
Checkliste: sieben Fragen vor dem Start
Bevor du loslegst, klär diese Fragen im Team:
- Wo entsteht bei dir bereits schriftliches Wissen (Tickets, Protokolle, E-Mails, Listen)?
- Wer verantwortet welches Wissensgebiet, und wer vertritt diese Person?
- Wo läuft die KI, und verlassen Daten dabei dein Unternehmen?
- Wie entfernst du Personendaten vor der Auswertung, und wer prüft das stichprobenartig?
- Für welche Abteilungen entstehen eigene Zusammenfassungen?
- Welche Arbeitsabläufe sollen als Erstes auf dem Wissen aufsetzen?
- Wie oft prüfst du den Bestand auf Widersprüche und Lücken, und wer bekommt die Ergebnisse?
Fazit: Unternehmenswissen sichert man im laufenden Betrieb
Wissensmanagement in KMU scheitert meist an einer einfachen Ursache: Dokumentation ist eine Zusatzaufgabe neben der eigentlichen Arbeit und veraltet danach. Der Ablauf setzt an dieser Stelle an. Er sammelt, was die Arbeit ohnehin erzeugt, und entfernt Personendaten lokal. Er macht das Wissen über Skills nutzbar und hält es durch Kontrolle und klare Zuständigkeit aktuell. Der Nutzen wächst mit jedem Skill und jedem Arbeitsablauf, der auf dem Wissen aufsetzt.
Für den Einstieg reichen wenige Quellen und eine Person, die die Verantwortung übernimmt. Ich würde mit einer Abteilung anfangen und mit einer Frage, die dich jede Woche Zeit kostet.
Mehr erfahren
