Nimm irgendeine Regel in deinem wichtigsten System. Eine Preisstaffel, eine Freigabegrenze, eine Ausnahme für einen Grosskunden. Frag dein Team, warum sie genau so ist, wie sie ist. Du bekommst zwei Antworten: "historisch gewachsen" und "das war vor meiner Zeit".

Dabei existiert die Antwort. Sie steht in einem Ticket-Kommentar unter einem Bug, den längst niemand mehr sucht, und in einem Chat-Verlauf, in dem ein paar Leute an einem Nachmittag etwas entschieden haben, das bis heute läuft. Es gibt kein Protokoll, weil es keine Sitzung war. Zwei der Beteiligten arbeiten inzwischen woanders.

Dein Unternehmen hat kein Dokumentationsproblem. Es hat ein Auffindbarkeitsproblem. Das ist ein Unterschied, und er entscheidet darüber, was du dagegen tun kannst.

Wo das Wissen wirklich liegt

Im Wiki steht, wie es geplant war. Wie es geworden ist, steht woanders.

In den Chats liegen die Absprachen. Teams und Slack sind längst der Ort, an dem Entscheidungen fallen, und zwar genau die kleinen, die niemand für protokollwürdig hält. Sie sind trotzdem verbindlich, sie laufen jahrelang weiter, und sie sind nirgends sonst festgehalten.

In den Tickets liegt die Geschichte der Logik. Ein Bug-Report, die Diskussion darunter, ein Change Request ein halbes Jahr später: zusammen ergeben sie die Begründung für eine Regel, die im Code nur noch als Bedingung steht. Der Code sagt dir, was das System tut. Nur das Ticket sagt dir, warum. Und das Warum ist genau das, was du brauchst, sobald jemand etwas ändern will.

Im Support liegt die Wahrheit über deine Kunden. Nicht, was die Spezifikation über sie annimmt, sondern was sie tatsächlich tun, wo sie hängenbleiben und welche Zusagen ihnen jemand gemacht hat.

Kein Mensch setzt das zusammen. Nicht aus Faulheit, sondern weil es eine Suchaufgabe über Jahre, über Systemgrenzen und über drei Namen desselben Features hinweg ist, deren Ertrag man vorher nicht kennt. Also bekommt niemand Zeit dafür. Also passiert es nie. Und mit jedem Abgang wird der Rest teurer.

Der Einwand, der die meisten Projekte stoppt

"Bevor wir KI einsetzen, müssen wir erst unsere Daten in Ordnung bringen."

Der Satz klingt erwachsen, und in der Sache ist er halb richtig. Eine KI, die auf einen widersprüchlichen Bestand gesetzt wird und daraus Auskunft gibt, antwortet widersprüchlich. Schlimmer noch: sie antwortet mit einer Selbstsicherheit, die der Bestand nicht hergibt.

In der Konsequenz ist der Satz trotzdem fatal. Das Aufräumen dieser Bestände ist exakt die Arbeit, die aus den oben genannten Gründen nie jemand macht. Wer sie zur Vorbedingung erklärt, hat KI nicht sorgfältig geplant, sondern auf unbestimmte Zeit vertagt.

Der Ausweg liegt in der Rolle, die du der KI gibst. Das sind zwei völlig verschiedene Aufgaben:

  • Auskunft geben aus dem Rohbestand. Das ist die Variante, vor der die Skeptiker zu Recht warnen.

  • Den Rohbestand aufarbeiten, unter menschlicher Abnahme. Sachverhalte recherchieren, verstreute Fragmente zusammenziehen, Widersprüche benennen, Struktur vorschlagen.

Nicht "antworte mir aus dem Chaos", sondern "lies das Chaos, ordne es, und zeig mir, wo es sich selbst widerspricht". Diese Arbeit skaliert mit Rechenzeit statt mit Kalenderwochen, und sie ist das Einzige, was die Vorbedingung jemals erfüllen wird.

Was dabei herauskommt

Kein weiteres Dokument. Ein Wissensgraph ist die Zerlegung deines Wissens in einzelne Fakten, jeder mit Herkunft, jeder mit Verweisen auf verwandte Fakten, gruppiert nach fachlichen Domänen statt nach Werkzeugen. Aus fünf Systemen, die nichts voneinander wissen, wird ein Netz, in dem eine Regel, ihre Begründung, ihre Ausnahme und der Kunde, für den sie gemacht wurde, aneinanderhängen.

Der entscheidende Teil für dich ist nicht die Struktur, sondern die Prüfbarkeit. Jede Aussage muss ihre Quelle mitführen. Der Unterschied zwischen "die KI sagt" und "das steht so im Ticket, wurde im Chat bestätigt und widerspricht der Wiki-Seite" ist der Unterschied zwischen einem Spielzeug und einer Entscheidungsgrundlage. Der Test dafür ist simpel: Kannst du zu jeder Aussage die Originalstelle aufrufen? Wenn nicht, hast du keine Wissensbasis, sondern eine Meinung mit Datenbank.

Ich arbeite selbst so, im Kleinen: mein gesamtes projektübergreifendes Wissen liegt als Graph aus einzelnen Fakten, verlinkt und versioniert, statt in Notizen. Der Unterschied ist nicht das Ablegen. Der Unterschied ist, dass jede KI, mit der ich arbeite, sofort auf diesem Stand aufsetzt statt bei null.

Der unbequeme Teil

Die KI löst deine Widersprüche nicht auf. Sie legt sie dir hin.

Wenn drei Quellen drei Varianten derselben Regel enthalten, bekommst du eine Entscheidungsvorlage und keine Antwort. Jemand muss entscheiden, welche gilt. Genau dort kippt ein solches Vorhaben oder erzeugt seinen Wert: Der erste Bericht sagt dir, dass eine zentrale Regel seit Jahren in zwei Fassungen existiert, dass beide angewendet werden, und niemand will derjenige sein, der festlegt, welche stimmt.

Ein Wissensgraph produziert zuerst Arbeit und dann Ersparnis. Wer nur die Ersparnis eingeplant hat, hört nach dem ersten Bericht auf. Und die offengelegten Widersprüche waren vorher auch schon da, sie hatten nur noch niemandem geschadet, der sie hätte benennen müssen.

Drei Dinge, die du vorher klärst

Berechtigungen. Ein Graph führt zusammen, was in den Quellsystemen getrennt war. Wer in einem geschlossenen Kanal nichts verloren hat, darf den Inhalt auch über die Suche nicht sehen. Wandern die Rechte der Quelle nicht mit, baust du deinen ersten unternehmensweiten Datenabfluss und nennst ihn Wissensmanagement.

Personendaten. Chats sind voll davon. Neben Zweckbindung und Mitbestimmung gibt es einen praktischen Effekt, der oft übersehen wird: Wer Chats indexiert, ohne zu erklären wofür, bekommt Chats, in denen nichts mehr steht. Die Absprachen wandern dann in Direktnachrichten und aufs private Handy. Dann hast du die Quelle nicht erschlossen, sondern zerstört.

Aktualität. Ein einmalig gebauter Graph ist ein Foto. Er beginnt am Tag nach der Fertigstellung zu altern. Entweder er läuft mit den Quellsystemen mit, oder er wird genau das, was er ersetzen sollte: eine Dokumentation, der niemand mehr traut.

Warum das strategisch ist und nicht nur ordentlich

Einarbeitung wird schneller, Übergaben werden möglich, Abgänge reissen kleinere Löcher. Das sind die naheliegenden Effekte, und sie sind real.

Der grössere Punkt liegt woanders. Solange dein Wissen verstreut ist, kann KI bei dir nur Oberflächenarbeit leisten. Texte formulieren, Protokolle zusammenfassen, Code-Bausteine liefern. Alles Aufgaben, für die man von deinem Unternehmen nichts wissen muss. Deshalb sehen die Ergebnisse überall gleich aus, und deshalb ist der Effekt klein genug, dass man ernsthaft über den Nutzen von KI streiten kann.

Der Unterschied entsteht, wo eine KI weiss, warum eure Freigabegrenze dort liegt, wo sie liegt, wer welche Ausnahme wann zugesagt hat und welcher Kunde deshalb anders behandelt wird. Dieses Wissen kannst du nicht einkaufen und kein Anbieter hat es. Es liegt längst bei dir, in Systemen, die es nicht herausgeben.

Wenn du damit anfangen willst: nimm nicht alles auf einmal. Nimm eine Domäne, in der es regelmässig weh tut, und arbeite deren Bestand auf, mit Quellenangabe bei jedem Fakt und mit einem Menschen, der die Widersprüche abnimmt. Nach dieser einen Domäne weisst du zwei Dinge, die dir vorher niemand sagen konnte: was in deinen Systemen tatsächlich steckt, und was es kostet, es herauszuholen.

Das Gedächtnis deiner Firma ist nicht leer. Es ist unsortiert. Das ist die deutlich bessere Nachricht.