Wissensmanagement mit KI: Drei Probleme, die ein Agent nicht löst

Bei Aldi fing ich im Analytics-Team an. Wir waren zu viert. Ein SharePoint-Ordner reichte für die ganze Dokumentation. Als ich ging, waren wir fast vierzig. Die Dokumentation lag verteilt: SharePoint, Jira, Confluence, OneNote-Notizbücher, lokale Rechner.

Zwei oder drei Projekte sollten das vereinheitlichen. Eine Struktur, klare Zuständigkeiten, ein Ort für alles. Alle scheiterten. Die Planung war solide. Menschen blieben bei ihren Gewohnheiten. Wer mit OneNote arbeitete, blieb bei OneNote. Wer nichts dokumentierte, dokumentierte weiter nichts.

Ehrlich: Ich hielt mich selbst oft nicht dran. Die neue Struktur war so detailliert, dass ich erst eine Anleitung lesen musste, um eine Anleitung zu schreiben. Der Aufwand war größer als der Nutzen. Also passierte, was immer passiert: Dokumentation entstand aus Pflicht. Gelesen hat sie niemand.

Die Lehre: Wissensmanagement steht und fällt mit dem Verhalten der Menschen und mit Rahmenbedingungen, die Wissen-Teilen belohnen. Tools und Strukturen sind nicht der entscheidende Hebel.

Heute, im Jahr 2026, gibt es KI-Agenten für genau dieses Problem. Sie fassen Meetings zusammen. Sie ziehen Wissen aus Texten. Sie beantworten Fragen direkt, statt Suche zu verlangen. Die Technik löst das Thema nach zwanzig Jahren. Drei Probleme bleiben. Welche das sind, steht hier. Sie entscheiden, ob Wissensmanagement mit KI in Ihrem Unternehmen ein Vorteil wird. Oder das nächste tote Tool.

Was Wissensmanagement mit KI heute kann

Wissensmanagement mit KI heißt: KI-Agenten bauen Firmenwissen auf, pflegen es und halten es griffbereit. Statt in Wiki-Systemen zu suchen, stellen Sie der KI eine Frage. Sie bekommen eine Antwort. Die KI greift auf Ihr Firmenwissen zu und antwortet im Kontext Ihres Unternehmens.

Der technische Durchbruch der letzten zwei Jahre löst drei Probleme, an denen Wissensmanagement zwanzig Jahre lang gescheitert ist:

• Dialog statt Suche. Früher brauchten Mitarbeiter den richtigen Ort und die richtigen Stichworte. Ein KI-Agent antwortet direkt. Wer nicht weiß, wo die Datei liegt, fragt einfach.
• Wissen aus Rohmaterial. Meeting-Mitschriften, E-Mails und Kundengespräche landeten früher selten in der Doku. Zu aufwendig. Heute kippen Sie die Mitschrift in die KI. Sie zieht die Kernpunkte raus.
• Widersprüche werden sichtbar. Sagen zwei Quellen Unterschiedliches, benennt die KI das. Sie gibt keine falsche Antwort aus. Sie zeigt den Konflikt.

Jeder Durchbruch bringt ein neues Risiko. Wenn Dokumentieren leicht wird, entsteht schnell zu viel. Jedes Meeting ein Transkript. Jede E-Mail ein Extrakt. Jede Kundenfrage ein Eintrag. Ohne aktive Kuration wuchert die Wissensbasis. Die KI zieht Antworten aus veralteten Quellen. Das alte Problem kommt zurück: zu viel Doku, keiner liest. Nur jetzt schneller. Mehr Dokumentation bringt keinen besseren Zugriff.

Der Aufbau hängt von der Größe ab. Einzelne Anwender und kleine Teams reichen mit strukturierten Textdateien in Ordnern aus. Ein KI-Agent liest mit (mehr dazu im Artikel zu Context Engineering). Ab zweistelliger Mitarbeiterzahl brauchen Sie Zugriffsrechte, Versionierung und eine Software wie Dify oder Onyx auf dem eigenen Server. Die Software setzt als Schicht auf die Textbasis. Beide Varianten teilen eines: Die Wissensbasis bleibt portabel. Der KI-Agent greift darauf zu, statt sie einzusperren.

So weit die gelöste Seite. Jetzt zu den drei Problemen, die kein Agent löst.

Problem 1: Warum Wissensmanagement mit KI an Mitarbeitern scheitert

Standardprozesse sind meist dokumentiert. So läuft eine Rechnungsfreigabe. So legen Sie einen Kunden an. So erstellen Sie die Monatsauswertung. Diese Prozesse sind leicht zu automatisieren. Wer das mit KI beschleunigt, digitalisiert Papier.

Der Wettbewerbsvorteil liegt in den Ausnahmen.

Jeder Standardprozess hat Ausnahmen. Den Sonderkunden mit eigenen Zahlungszielen. Den Lieferanten, der zweimal angerufen werden will. Den Fall, wo der Eskalationspfad bricht, weil der zuständige Partner im Urlaub ist. In vielen Firmen gibt es mehr Ausnahmen als Standards. Dieses Wissen steckt in einzelnen Köpfen.

Genau dieses Wissen ist das Gold für KI-Prozesse. Nur wer die Ausnahmen kennt, automatisiert sie. Eine Automatisierung, die nur Standards kennt, scheitert am ersten Sonderfall. Dann frisst sie mehr Zeit als vorher. Jemand muss den Fehler finden und beheben.

Das ist der Inhalt. Jetzt zum Verhalten.

Das wertvollste Wissen liegt in den Ausnahmen. Genau dieses Wissen teilen Mitarbeiter am seltensten.

Der Grund ist weder Böswilligkeit noch Faulheit. Es gibt zwei Gründe, und beide wirken gleichzeitig.

Der erste Grund: Das Wissen ist unbewusst. Es entsteht über Jahre, aus hunderten kleinen Entscheidungen. Wer seit fünf Jahren weiß, dass Kunde X eine andere Ansprache braucht, handelt automatisch. Der Mitarbeiter kann oft gar nicht sagen, warum er so entscheidet. Das Wissen ist nie bewusst formuliert worden. Erfahrung und Bauchgefühl passen in keine Checkliste.

Der zweite Grund: Selbstschutz. Mitarbeiter sehen seit Monaten Meldungen über KI, die Jobs ersetzt. Firmen bauen Personal ab und führen KI-Tools ein. Und jetzt soll die Person, die seit fünfzehn Jahren den Sonderfall X beherrscht, dieses Wissen aufschreiben und in eine Datenbank stellen, die eine KI ausliest? Auch wer mitziehen will, fragt sich: Was bringt mir das?

Dokumentation aus Zwang bleibt leer. Das habe ich bei Aldi selbst erlebt. Eine bessere Software ändert das nicht. Die zehnte Wiki-Lösung scheitert an denselben Gründen wie die neunte. Zwei Gründe, zwei Lösungen.

Gegen den ersten Grund hilft Beobachten, nicht Anordnen. Begleiten Sie Mitarbeiter bei echten Vorgängen. Nutzen Sie Meeting-Mitschriften, in denen Entscheidungen sichtbar werden. Führen Sie kurze Gespräche nach einem Sonderfall. Fragen Sie gezielt: “Warum hast du das so entschieden? Was hättest du anders gemacht?” Eine KI kann diese Fragen im Nachgang stellen und die Antworten ablegen. So wird das Wissen sichtbar, ohne dass der Mitarbeiter ein Dokument schreiben muss.

Gegen den zweiten Grund hilft eine ehrliche Antwort: Was hat der Mitarbeiter davon? Die Antwort muss konkret und wahr sein. Zum Beispiel: Die stumpfen Anteile der Arbeit fallen weg, die Arbeit bleibt. Oder: Wer Wissen teilt, wird sichtbarer, nicht ersetzbar. Oder: Die KI übernimmt die Verwaltung, damit die eigentliche Arbeit mehr Raum bekommt.

Diese Versprechen funktionieren nur, wenn das Unternehmen danach handelt. Wer Personal abbaut und parallel KI einführt, bekommt keine vollständige Wissensbasis. Und keine funktionierende Automatisierung.

Zusätzlich hilft, wenn Mitarbeiter den Nutzen selbst spüren. Wer eine KI privat nutzt, um Notizen zu sortieren oder Infos schneller zu finden, versteht den Wert. Die meisten probieren das nicht. Schaffen Sie als Firma Zeit, damit Mitarbeiter den Mehrwert erleben. Die Akzeptanz wird größer. Ein KI-Assistent im Arbeitsalltag ist ein guter Einstieg.

Dieses Problem ist Chefsache. Ohne Mitarbeiter, die ihr Ausnahmen-Wissen teilen, bleibt Ihre KI-Wissensbasis eine Standard-Sammlung. Die hatten Sie vorher auch schon.

Problem 2: Ihre Daten wandern zu einem US-Konzern

Die meisten Firmen starten über ChatGPT, Custom GPTs, Gemini Gems oder Claude Projects. Die Oberfläche ist vertraut. Die Integration ist einfach. Die ersten Ergebnisse überzeugen. Das Problem zeigt sich erst nach Monaten. Und es hat zwei Gesichter.

Der offene Teil ist bewusst hochgeladenes Wissen. Wer eine Custom GPT oder ein Gemini Gem mit internen Dokumenten befüllt, legt Firmenwissen bei einem US-Konzern ab. In Bezahl-Versionen schließen die Anbieter das Training auf Ihren Daten meist aus. Das Risiko liegt woanders. Der Anbieter passt die Bedingungen an. Er stellt den Dienst ein. Er ändert sein Geschäftsmodell. Die Daten stecken dann in einer Anbieter-Struktur fest. Sie kommen schwer wieder raus.

Der versteckte Teil ist Wissen, das durch normale Nutzung abwandert. Ohne aktives Hochladen. Ein Mitarbeiter arbeitet seit Wochen mit ChatGPT. Er fragt zu Abläufen. Er beschreibt Probleme mit Kunde X. Er lässt Entwürfe korrigieren. Er fragt zum dritten Mal nach, warum der Prozess Y bei ihm anders läuft als im Handbuch. Niemand hat Wissen aktiv hochgeladen. Trotzdem entsteht über Dutzende Sessions ein Abbild der Firma im Modell: Wie intern gearbeitet wird. Wo die Sonderfälle sitzen. Welche Kunden wie behandelt werden. Business-Versionen schließen das vom Training aus. Private Free-Accounts tun es nicht. Da landet alles in der nächsten Trainingsrunde. Dieses verteilte Wissen ist schwerer zu fassen als ein hochgeladenes Dokument. Es ist über viele Sessions gestreut. Zurückholen geht kaum.

KMU trifft das härter als Konzerne. Meist gibt es keine IT-Abteilung, die den Datenabfluss sieht. Und die Tools sind so leicht, dass sie ohne Freigabe Einzug halten.

Der Ausweg ist eine Bau-Entscheidung am Anfang: Ihre Wissensbasis muss vom Anbieter unabhängig sein. Das ist keine Ideologie. Das ist Absicherung. Niemand weiß, welches KI-Modell in drei Jahren das beste oder günstigste ist. Wer Firmenwissen in eine bestimmte Plattform einbettet, zahlt den Wechsel später teuer.

Konkret bedeutet das:

• Portabel: Markdown-Dateien in Ordnern, gelesen von Claude Code, Cursor oder Obsidian. AGENTS.md-Dateien in OpenAI Codex. Software wie Dify oder Onyx auf dem eigenen Server. Auch M365 Copilot zählt dazu, solange die Wissensbasis in Ihrem SharePoint-Tenant liegt. Die Daten bleiben im Unternehmen, nur der KI-Layer gehört Microsoft. SharePoint-Inhalte lassen sich jederzeit exportieren und auf eine andere Lösung umschalten.
• Nicht portabel: ChatGPT Custom GPTs, Gemini Gems, Claude Projects ohne parallele Dateibasis. Hier wandert Wissen raus aus Ihrer Infrastruktur. Es landet in einer geschlossenen Anbieter-Struktur.

Der pragmatische Einstieg für KMU: eine Textbasis (Markdown-Dateien in einer versionierten Ablage) plus ein KI-Layer darauf. Kleine Teams reichen mit einem Agent aus, der direkt auf die Dateien zugreift. Größere Firmen legen eine Software wie Dify oder Onyx drüber, ergänzt um Zugriffsrechte und Suche. Wer schon tief in M365 steckt, fährt mit Copilot auf SharePoint oft gut. Solange die Datenbasis portabel bleibt. Kernregel: Die Wissensbasis bleibt getrennt vom KI-Anbieter. Beim Wechsel tauschen Sie die Anbindung, nicht die Daten.

Problem 3: Die Tool-Strategie fehlt

Das dritte Problem klingt banal. Es killt aber die meisten Projekte. Das Muster ist fast überall gleich. Sie erkennen es vermutlich wieder.

Ein Mitarbeiter entdeckt Gemini. Die Bildbearbeitung dort ist besser als in allen anderen Tools. Das Unternehmen kauft ein paar Lizenzen. Ein zweites Team arbeitet lieber mit Claude für Texte. Ein drittes nutzt ChatGPT für Recherche. Nach sechs Monaten: drei Tools, drei Rechnungen, keine saubere Wissensbasis. Jeder wählt seine Favoriten. Dann sagt die Geschäftsführung: “Wir brauchen eine Lösung für alle.” Am Ende gewinnt das Tool, das schon im Stack liegt. Oft Microsoft Copilot. Die Entscheidung fällt nicht nach Passung. Sie fällt nach Widerstand.

Die Folge: Das Standard-Tool kann weniger als die Speziallösungen davor. Mitarbeiter, die an Gemini oder Claude gewöhnt waren, nutzen beide weiter. Nur eben privat. Offiziell läuft Copilot. Und schon sind Sie wieder in Problem 2: Firmenwissen wandert durch Schatten-IT zu Anbietern ohne Vertrag.

Der Denkfehler: Ein Tool für alles. Das braucht es nicht. Bei einer sauberen, portablen Datenbasis greifen mehrere KI-Tools parallel zu. Jedes für seinen Zweck. Copilot für Wissensabfragen im SharePoint. Claude für längere Texte. Gemini für Bild und Video. Die Datenbasis bleibt gleich. Nur das Frontend wechselt.

Das braucht Führung auf zwei Ebenen.

Die Tool-Strategie. Welche Aufgaben haben Sie? Welches Tool passt zu welcher Aufgabe? Die Frage ist nicht “Copilot oder Claude”. Die Frage ist: “Welche Aufgabe lösen wir mit welchem Werkzeug, und wie bleiben die Daten dabei zusammen?” Ohne Antwort gewinnt das einfachste Tool. Nicht das beste. Dazu gehört eine klare Regel: Welche KI-Nutzung ist offiziell erlaubt? Welche nicht? Sonst wächst die Schatten-IT von selbst.

Die Rollen für die Datenbasis. Sobald die Wissensbasis mehr ist als ein Experiment, brauchen Sie drei Zuständigkeiten:

• Der Content Owner entscheidet, was in die Wissensbasis kommt. Nicht jedes Dokument gehört rein. Nicht jede Meeting-Zusammenfassung. Nicht jede interne E-Mail. Ohne Kuration wird die Basis zur Müllhalde. Die KI zieht Antworten aus veralteten Quellen.
• Der Gatekeeper regelt die Zugriffsrechte. Vertriebspreise, Kundendaten, Personaldaten, Roadmaps gehören nicht an alle. Wer das spät klärt, hat beim ersten Vorfall ein Datenschutzproblem. Zurückrollen geht kaum.
• Der Qualitätssicherer hält den Bestand aktuell. Ohne Pflege verliert die Basis nach zwölf Monaten ihre Qualität. Die KI zieht Antworten aus alten Quellen. Das Vertrauen bricht weg.

Diese Rollen sind Chef-Sache. Die KI kann unterstützen. Ersetzen kann sie nichts. In kleineren KMU kann eine Person alle drei Rollen übernehmen. Wichtig: Klären Sie die Verantwortung, bevor Sie das Tool kaufen. Nicht danach. Wer nicht benennen kann, wer Tool-Strategie, Kuration, Zugriffsrechte und Pflege übernimmt, sollte mit der Einführung warten.

Der Wettbewerbsvorteil kommt aus der Umsetzung

Viele denken: Wissensmanagement mit KI ist eine Frage der richtigen Software. Man kauft das Tool, lädt die Daten hoch, lässt die KI laufen. Wäre es so einfach, hätten es alle Wettbewerber längst gemacht.

In Wirklichkeit entscheidet über den Vorteil, wie Sie die drei Probleme lösen. Mitarbeiter dazu bringen, ihr Ausnahmen-Wissen zu teilen. Die Architektur unabhängig halten. Die Verantwortung klar verteilen.

Das ist der Hebel. Ohne saubere Wissensbasis bauen Sie keine gute KI-Automatisierung. Standardprozesse digitalisiert jeder mit Zeit und Budget. Der Wettbewerbsvorteil liegt in den Ausnahmen. Der Zugang zu diesem Wissen entscheidet, wie weit Sie mit KI-Automatisierung im KMU wirklich kommen.

Ich weiß das, weil meine eigene Wissensbasis seit Monaten genau so läuft: portable Basis, klare Verantwortlichkeiten, kein Anbieter-Lock-in. Die drei Rollen liegen bei mir selbst. In einer Firma mit zwanzig oder fünfzig Mitarbeitern verteilen sie sich. Dazu kommen Zugriffsrechte und Team-Funktionen. Der Grundaufbau bleibt gleich. Der größte Produktivitätssprung der letzten zwei Jahre kam aus der Disziplin, es richtig aufzusetzen. Nicht aus dem Tool.

Wollen Sie diese drei Probleme in Ihrem Unternehmen angehen? Buchen Sie ein Erstgespräch. Ich schaue mir Ihre Situation an und sage Ihnen, ob und wie ein Einstieg für Sie passt.

Häufig gestellte Fragen (FAQ)

Was ist der Unterschied zwischen klassischem Wissensmanagement und Wissensmanagement mit KI?

Klassisches Wissensmanagement dokumentiert Wissen und macht es über Suche auffindbar. Wissensmanagement mit KI legt Wissen strukturiert ab und liefert es per Dialog. Der Unterschied liegt in der Interaktion. Der Mitarbeiter sucht nicht mehr. Er fragt. Die Antwort kommt im Kontext seines Unternehmens.

Welche KI-Tools eignen sich für Wissensmanagement im Mittelstand?

Die Auswahl hängt von Team-Größe und Portabilität ab. Kleine Teams fahren gut mit Tools, die auf Textdateien arbeiten: Claude Code, OpenAI Codex oder Obsidian. KMU mit mehreren Abteilungen brauchen meist eine Software wie Dify oder Onyx auf dem eigenen Server. Sie setzt auf die Textbasis auf und ergänzt Zugriffsrechte und Team-Funktionen. Geschlossene Plattformen wie ChatGPT Custom GPTs oder Gemini Gems sind riskant. Sie lassen sich beim Anbieterwechsel kaum verlassen.

Wie vermeide ich Datenschutz-Probleme bei KI-gestütztem Wissensmanagement?

Drei Regeln helfen. Erstens: Bauen Sie die Wissensbasis vom Anbieter unabhängig auf. So behalten Sie die Kontrolle über Ihre Daten. Zweitens: Definieren Sie Rollen. Wer darf welches Wissen sehen? Drittens: Setzen Sie klare Regeln für die KI-Nutzung durch Mitarbeiter. Sonst fließt Firmenwissen über private ChatGPT-Konten ab.

Wer sollte im Unternehmen die Wissensdatenbank pflegen?

Klären Sie drei Rollen. Ein Content Owner entscheidet, was aufgenommen wird. Ein Gatekeeper regelt die Zugriffsrechte. Ein Qualitätssicherer hält den Bestand aktuell. In kleineren KMU kann eine Person alle drei Rollen übernehmen. In größeren Firmen verteilen sie sich auf Abteilungen. Klären Sie die Verantwortung vor dem Tool-Kauf. Nicht danach.

Wie überzeuge ich Mitarbeiter, ihr Wissen in die KI-Wissensdatenbank einzuspeisen?

Pflicht-Dokumentation scheitert fast immer. Geben Sie eine ehrliche Antwort auf die Frage: Was hat der Mitarbeiter davon? Wenn KI die Verwaltung übernimmt und die Kernaufgabe mehr Raum bekommt, entsteht Akzeptanz. Wenn Sie parallel Personal abbauen, gibt es keine Akzeptanz. Egal welches Tool.