In dieser Episode 42 des Knowledge on Air Podcasts diskutieren Simon und Ulrich nach eineinhalb Jahren Pause den Einfluss von Künstlicher Intelligenz auf das Wissensmanagement. Sie analysieren systematisch alle Bausteine des Wissensmanagements von Probst et.al. und zeigen auf, wie KI-Technologien jeden einzelnen Bereich revolutionieren können - von der Zielformulierung über die Wissensidentifikation bis hin zur Bewertung. Dabei werden sowohl die enormen Chancen als auch kritische Aspekte wie Datenschutz und die Notwendigkeit menschlicher Kontrolle beleuchtet.
Das Thema Wissensbewahrung erlebt derzeit eine bemerkenswerte Renaissance, die hauptsächlich durch den demografischen Wandel getrieben wird. Nach jahrzehntelangen Zyklen, in denen Wissensmanagement immer wieder aufkam und dann abflaute, ist nun eine neue Ernsthaftigkeit zu beobachten. Der Grund liegt in der unmittelbar bevorstehenden Pensionierung der Baby-Boomer-Generation.
Die Zahlen sind alarmierend: Bis Mitte der 2030er Jahre werden zweistellige Millionenanzahlen von erfahrenen Fachkräften aus dem Berufsleben ausscheiden. Was früher noch als “ferne Zukunft” galt, ist nun so nah, dass Organisationen endlich handlungsleitend werden. Der Schmerz des drohenden Wissensverlusts ist zu groß geworden, um das Thema weiter zu ignorieren.
Gleichzeitig bietet die rasante Entwicklung der KI-Technologie neue Möglichkeiten, diese verlorene Zeit aufzufangen. Anders als bei früheren Technologien wie dem Internet oder Smartphones, die Jahre brauchten, um in Unternehmen anzukommen, hat sich Künstliche Intelligenz erstaunlich schnell etabliert. Während früher eine Technologie zehn Jahre brauchte, um vom Internet ins Intranet zu gelangen, ist dieser Prozess bei KI deutlich beschleunigt.
Bei der Formulierung von Wissenszielen erweist sich KI als außergewöhnlich wertvoller Sparringspartner. Durch Methoden wie Future Backwards können Führungskräfte gemeinsam mit KI strategische Ziele entwickeln. Die KI fungiert dabei ähnlich wie ein menschlicher Berater, hat aber den Vorteil, dass sie Zugang zu einem komprimierten Ausschnitt des gesamten dokumentierten Weltwissens besitzt (s.a. Vortrag von Simon auf der loscon25).
Besonders wertvoll ist die Fähigkeit der KI zum “Rollenspiel”. Man kann sie anweisen, nacheinander in die Rollen verschiedener Experten zu schlüpfen - etwa Peter Drucker, Sigmund Freud und Helmut Willke - und ein Streitgespräch zu führen, um neue Perspektiven auf Problemstellungen zu entwickeln. Dies hilft dabei, die eigenen fachlichen Scheuklappen zu überwinden.
Kritisch zu beachten ist jedoch, dass die Qualität der Ergebnisse stark von der Datenbasis abhängt. Bei Frontline-Modellen wie GPT, Gemini oder Claude ist nicht transparent, auf welchen Daten sie trainiert wurden. Es besteht die Gefahr von Bias, beispielsweise durch die Überrepräsentation bestimmter Bevölkerungsgruppen in den Trainingsdaten. Daher ist eine kritische Bewertung und menschliche Kontrolle (“Human in the Loop”) unerlässlich.
Die Wissensidentifikation erfährt durch KI eine fundamentale Transformation. Zwei Hauptanwendungsbereiche stechen hervor: Das Roleplay für verschiedene Perspektiven und die automatisierte Recherche durch Research-Agenten.
Research-Agenten können eigenständig Internet-Recherchen durchführen, Informationen vergleichen und zusammenstellen. Aufgaben wie “Was haben die DAX 30 in den letzten zehn Jahren über Wissensmanagement in ihren Geschäftsberichten geschrieben?” können sie viel effizienter erledigen als Menschen.
Besonders wertvoll ist die Identifikation von Kompetenzträgern - eine moderne Version der klassischen Yellow Pages. Durch die Analyse von Community-Plattformen, Diskussionsverläufen und E-Mail-Verkehr können “stille Experten” identifiziert werden - introvertierte Fachkräfte, die zwar über enormes Wissen verfügen, aber in einer von Selbstdarstellung geprägten Arbeitswelt oft übersehen werden.
Diese KI-basierte Expertise-Identifikation bietet “Street Credibility“, da sie auf tatsächlicher Hilfsbereitschaft und Problemlösung basiert, nicht auf lauter Selbstvermarktung. Wichtig sind dabei Datenschutz-konforme Ansätze, bei denen Betroffene selbst entscheiden können, ob und wie sie als Experten sichtbar werden möchten.
Beim Wissenserwerb ermöglicht KI den Zugang zu einer komprimierten Version des dokumentierten Weltwissens zu einem relativ überschaubaren Preis. Dies entspricht der “Boundaryless Organization“ von Jack Welch bei General Electric - der Idee, dass es egal ist, wer auf der Welt eine gute Idee hat, solange man sie für die eigene Organisation nutzen kann.
Für Unternehmensübernahmen eröffnet KI neue Möglichkeiten der “kulturellen Due Diligence”. Traditionell konzentriert sich die Prüfung auf Finanzkennzahlen, aber KI könnte helfen, Unternehmenskulturen zu vergleichen und die Integrierbarkeit zu bewerten. Dies ist kritisch, da viele Übernahmen scheitern, weil Schlüsselpersonal aufgrund kultureller Inkompatibilität das Unternehmen verlässt.
Die Wissensentwicklung profitiert enormt von KIs Fähigkeit zur kritischen Prüfung bestehender Praktiken. Regelmäßige Reviews von Leitfäden, Checklisten und Prozessbeschreibungen können zeigen, ob diese noch dem Stand der Technik entsprechen. Obwohl KI-Modelle einen Knowledge Cutoff haben, sind sie dennoch viel näher am aktuellen Wissensstand als die meisten Praktiker.
Besonders wertvoll ist das Durchspielen von Szenarien: “Wie würden wir es machen, wenn alle Firmen KI-Chatbots hätten?” oder “Wie hätte man es vor 100 Jahren gemacht?” Diese Szenario-Analysen helfen bei der Entwicklung von Transformationspfaden und der Identifikation notwendiger Lernfelder.
KI ermöglicht es auch, die gleichen Inhalte für verschiedene Zielgruppen aufzubereiten - vom Top-Management über den Betriebsrat bis zu Mitarbeitern am Fließband. Diese Fähigkeit zur zielgruppenspezifischen Kommunikation ist für die Verbreitung von Wissensmanagement-Initiativen von unschätzbarem Wert.
Die Wissens(ver-)teilung wird durch KI fundamental verändert. Statt statischer PDF-Dokumente können Nutzer interaktive Dateien erhalten, mit denen sie über ihre KI-Systeme direkt kommunizieren können. Dies bringt sie viel näher an die tatsächlich benötigte Information heran.
Ein kritisches Thema ist die Informationsflut. KI kann helfen, Push-Kommunikation zu personalisieren und von Zielgruppen- auf Individualebene zu bringen. Newsletter und Inhalte können automatisch gefiltert und zusammengefasst werden, basierend auf persönlichen Interessensprofilen.
Besonders spannend sind KI-Sidekicks, die proaktiv Vorschläge machen: “Hast du schon mal darüber nachgedacht, dass dieser Aspekt für deine Arbeit relevant sein könnte?” Wichtig ist dabei die Begründung - nicht nur was empfohlen wird, sondern auch warum.
Der Trend geht zu autonomen KI-Agenten, die nicht nur reaktiv auf Anfragen antworten, sondern proaktiv agieren können. Diese könnten beispielsweise automatisch erkennen, wenn neue relevante Literatur erscheint, und entsprechende Empfehlungen aussprechen.
Für die systematische Integration von KI in die Wissensnutzung bietet das WINS-Framework (Words, Images, Numbers, Sounds) der Harvard Business Review eine wertvolle Orientierung. Es analysiert, wie viel Prozent der Arbeit aus WINS-Aktivitäten besteht und wie stark digitalisiert diese sind.
Jobs mit hohem WINS-Anteil und hoher Digitalisierung befinden sich “in the crucible” - hier wird sich in den nächsten Jahren alles fundamental ändern. Umgekehrt können Bereiche mit niedrigem WINS-Anteil und geringer Digitalisierung die Entwicklung zunächst “vom Balkon aus” beobachten.
Diese Systematik hilft dabei, Wissensarbeit zu analysieren und KI gezielt einzusetzen - entweder für Automation (KI übernimmt Aufgaben vollständig) oder Augmentation (KI unterstützt Menschen bei ihren Aufgaben).
Die Wissensbewahrung z.B. mit Expert Debriefing erfährt durch KI eine Revolution. Statt mühsamer Dokumentationsaufgaben für ausscheidende Experten können podcast-ähnliche Gesprächsrunden durchgeführt werden. Experten diskutieren in entspannter Atmosphäre über Themen wie “Was in Projekten immer schief geht” oder “Umgang mit schwierigen Kunden”.
Diese Gespräche werden automatisch transkribiert, zusammengefasst und in interaktive KI-Systeme überführt. Das Ergebnis: Neue Mitarbeiter können spezifische Fragen stellen (“Erstelle einen Einarbeitungsplan für Kraftwerksprojekte in Indonesien”) und erhalten maßgeschneiderte Antworten basierend auf Jahrzehnten gesammelter Erfahrung.
Der Vorteil liegt in der Kombination aus strukturierter Dokumentation und der Bewahrung von Storytelling-Elementen. Audio-Aufnahmen bleiben als Quelle verfügbar, sodass bei Bedarf die ursprünglichen Expertenaussagen nachgehört werden können.
Auch die Integration von Dokumentensammlungen wird revolutioniert. Statt dass neue Mitarbeiter hunderte von Dokumenten durcharbeiten müssen, können sie gezielt Fragen stellen und erhalten kontextbezogene Antworten aus dem gesamten Dokumentenbestand.
Bei der Wissensbewertung ist Vorsicht geboten. Quantitative, monetäre Bewertungsmodelle, die KI-basiert Euro-Beträge für “Wissensassets” berechnen, sind problematisch, da die Entstehung der Ergebnisse nicht nachvollziehbar ist.
Vielversprechender ist der qualitative Ansatz über Szenario-Vergleiche. KI kann verschiedene Handlungsalternativen durchspielen und deren Auswirkungen analysieren. Entscheidend ist dabei nicht nur das “Was”, sondern vor allem das “Warum” - die Begründung für Empfehlungen muss nachvollziehbar und von menschlichen Experten validierbar sein.
Für das Maßnahmen-Controlling bietet KI große Potenziale. Regelmäßige Erinnerungen, automatische Fortschrittsabfragen und die Analyse von Umsetzungshindernissen können dabei helfen, Wissensmanagement-Initiativen konsequent zu verfolgen und bei Bedarf anzupassen.
Die Wissensbilanz als etabliertes Bewertungsinstrument kann durch KI-Sidekicks bei Transkription und Zusammenfassung unterstützt werden. Der Kern - der Dialog zwischen Menschen - sollte jedoch unverändert bleiben, da er den eigentlichen Wert der Methode ausmacht.
