Implizites Wissen sichtbar machen. Die Grundlage für KI-gestütztes Wissensmanagement

Über die Metzgerei Klingler

Die Metzgerei Klingler in Fellbach ist ein Familienbetrieb, der 2028 sein 120-jähriges Jubiläum feiert und mit Timo Klingler bereits die 5. Generation in den Startlöchern steht. Das Unternehmen steht für Metzgerhandwerk, regionale Spezialitäten und eine große Auswahl an Fleisch- und Wurstwaren aus eigener Herstellung. Unter dem Motto "From Head to Tail" legt die Metzgerei Klingler dabei großen Wert auf die Verwertung aller Teilstücke bei Schwein und Rind. Neben dem Hauptgeschäft betreibt die Metzgerei auch eine Filiale in der Fellbacher Markthalle und bietet zusätzlich Mittagstisch, Feinkost, Catering sowie Partyservice an.

Zielstellung des Projekts

In vielen kleinen und mittleren Unternehmen ist entscheidendes Wissen nur unzureichend dokumentiert. Häufig liegt es verteilt an verschiedenen Stellen vor, befindet sich in handschriftlichen Ordnern oder existiert ausschließlich in den Köpfen erfahrener Mitarbeitenden oder der Geschäftsführung. Besonders Erfahrungswissen entsteht über viele Jahre hinweg und wird selten systematisch festgehalten. Entscheidungen werden oft auf Basis dieser Erfahrung getroffen, ohne dass die zugrunde liegenden Überlegungen dokumentiert sind.

Vor diesem Hintergrund hat sich die Metzgerei Klingler mit der Frage beschäftigt, wie dieses implizite Wissen systematisch erhoben, dokumentiert und so aufbereitet werden kann, dass es als Grundlage für eine spätere KI-Anwendung dient. Im Mittelpunkt steht die Schaffung einer Wissensbasis, auf die ein späteres KI-System gezielt zugreifen kann.

Ein wesentlicher Anlass für das Projekt ist die bevorstehende Übergabe der Geschäftsführung. Gerade im Rahmen einer Unternehmensnachfolge besteht die Herausforderung darin, langjähriges Erfahrungswissen an die nächste Generation weiterzugeben und dauerhaft im Unternehmen zu sichern. Das Projekt zeigt exemplarisch, wie dieser Wissenstransfer systematisch gestaltet werden kann und bietet damit auch für andere kleine und mittlere Unternehmen einen praxisnahen Ansatz.

Das langfristige Ziel besteht darin, eine interne Wissensbasis aufzubauen, die sowohl die Geschäftsführung bei täglichen Entscheidungen unterstützt als auch (neue) Mitarbeitende im Arbeitsalltag und während eines Onboarding-Prozesses begleitet. Gleichzeitig soll verhindert werden, dass wertvolles Unternehmenswissen verloren geht.

Vorgehen und Methoden

Das Vorgehen im Projekt wurde bewusst schrittweise aufgebaut. Ziel war es, zunächst relevantes Erfahrungswissen zu identifizieren, anschließend strukturiert zu erfassen und schließlich so aufzubereiten, dass daraus ein KI-gestütztes Wissenssystem entstehen kann.

1. Wissensbereiche identifizieren

Zu Beginn wurden gemeinsam die wichtigsten Themenfelder des Unternehmens gesammelt. Dabei kamen die verschiedenen Verantwortlichen zusammen, um alle Perspektiven zu berücksichtigen.

Währenddessen standen Fragen im Mittelpunkt wie:

• Welche Themen, Situationen oder Entscheidungen sind zentral im Arbeitsalltag?
• Was sind relevante Wissensbereiche?
• Wo bist du als Führungskraft tätig?
• Wo werden wichtige Entscheidungen getroffen?
• Was ist organisatorisch wichtig?
• Was sind wichtige Prozesse?

2. Kritisches Wissen priorisieren

Die gesammelten Themen wurden anschließend gemeinsam geclustert und mithilfe einer 3×3-Matrix priorisiert. Die Themen wurden danach eingeordnet, wie wichtig sie für das Unternehmen sind und wie hoch der jeweilige Wissensbedarf ist. Dadurch entstand eine priorisierte Übersicht, welche Wissensbereiche besonders wichtig sind zu dokumentieren.

Die Themen und ihre Priorisierung sind dabei nicht als starre Liste zu verstehen, sondern als dynamische Arbeitsgrundlage, die kontinuierlich ergänzt und angepasst werden kann. Gleichzeitig sollte sichergestellt werden, dass besonders kritische Wissensbereiche im Fokus bleiben.

3. Implizites Wissen durch strukturierte Wissensreflexion sichtbar machen

Anschließend wurden die priorisierten Wissensbereiche mithilfe einer leitfadengestützten Wissensreflexion bearbeitet. Die verantwortlichen Personen reflektierten ihre Erfahrungen anhand eines strukturierten Fragenkatalogs und hielten ihre Erläuterungen als Audioaufnahme fest. Ziel war es, nicht nur Arbeitsabläufe zu beschreiben, sondern insbesondere Entscheidungswissen, Erfahrungswerte und Hintergründe zu dokumentieren.

Die Reflexion orientierte sich unter anderem an Fragen wie:

• Welche konkrete Situation oder Aufgabe wird beschrieben?
• Wie wurde Schritt für Schritt vorgegangen?
• Wie und warum wurde so entschieden?
• Welche Alternativen gab es?
• Welche Erfahrungen oder Besonderheiten sollten neue Mitarbeitende kennen?
• Welche Unterlagen oder Dokumente gehören zu diesem Thema?

Dabei lag der Fokus bewusst nicht auf theoretischen Beschreibungen von Arbeitsabläufen, sondern auf konkreten Situationen aus dem Arbeitsalltag.

Durch diese Form des situativen Erinnerns werden Entscheidungslogiken, Warnsignale und Erfahrungswerte sichtbar, die Expertinnen und Experten häufig unbewusst anwenden. Unterstützt wurde die Reflexion durch konkrete Fallbeispiele sowie die schrittweise Rekonstruktion von Abläufen und Entscheidungen.

4. Wissen strukturieren und aufbereiten

Die aufgezeichneten Wissensreflexionen bilden zunächst das Rohmaterial. Mithilfe von KI werden die Audioaufnahmen automatisch transkribiert und erste strukturierte Dokumente erstellt. Dabei entstehen sowohl ausführliche Dokumentationen als auch kompakte Zusammenfassungen der einzelnen Wissensbereiche. Anschließend werden die Inhalte von der jeweiligen Person, die das Wissen eingebracht hat, geprüft, bei Bedarf korrigiert und ergänzt. Dieses Zusammenspiel aus KI-gestützter Aufbereitung und fachlicher Validierung trägt dazu bei, das Wissen effizient zu erfassen und die inhaltliche Qualität der Dokumentation zu erhöhen.

5. Qualität der Wissensbasis bewerten

Eine hochwertige Wissensbasis ist eine zentrale Voraussetzung für ein späteres KI-gestütztes Wissensmanagement. Deshalb werden die erstellten Wissensdokumente überprüft und hinsichtlich ihrer Qualität bewertet. Dabei wurde insbesondere darauf geachtet, ob die Inhalte verständlich und vollständig sind, wichtige Zusammenhänge ausreichend beschrieben werden und neben reinen Arbeitsabläufen auch Entscheidungslogiken, Hintergründe, Ausnahmen sowie Erfahrungswissen dokumentiert sind. Gleichzeitig werden bestehende Wissenslücken identifiziert und festgehalten, welche Themen im weiteren Projektverlauf noch ergänzt werden sollten.

Aus dieser Qualitätsprüfung wurden zudem konkrete Maßnahmen für die weitere Wissensdokumentation abgeleitet. Bei jeder neuen Wissensaufnahme wird festgehalten, für welche Rollen oder Tätigkeitsbereiche die Inhalte relevant sind und welche Zugriffs- oder Vertraulichkeitsstufe gilt. Dadurch können die Wissensdokumente später gezielt gefiltert und rollenbasiert in einem KI-gestützten Wissenssystem bereitgestellt werden.

6. Vorbereitung eines KI-gestützten Wissenssystems

Parallel wird betrachtet, wie die erarbeiteten Wissensdokumente in ein zukünftiges KI-gestütztes Wissenssystem integriert werden können. Dabei wird bereits bei der Konzeption darauf geachtet, dass die Wissensbasis den Anforderungen einer späteren KI-Anwendung entspricht. Hierzu gehören eine geeignete Dokumenten- und Ordnerstruktur, die Vergabe aussagekräftiger Metadaten sowie Rollen- und Berechtigungskonzepte, die den Zugriff auf Informationen zielgruppengerecht steuern.

Metadaten und Tags verbessern die Auffindbarkeit, Filterbarkeit, Pflege und rollenbezogene Bereitstellung der Inhalte. Bereits während der Erstellung werden Informationen beispielsweise mit Themen, Verantwortlichkeiten, Zielgruppen oder Zugriffsrechten versehen. Dadurch können Inhalte später gezielt gefunden, gefiltert und abhängig von der jeweiligen Rolle bereitgestellt werden.

So entsteht nicht nur eine Sammlung einzelner Dokumente, sondern eine strukturierte Wissensbasis, die als Grundlage für zukünftige KI-Anwendungen, beispielsweise für ein RAG-System, das passende Informationen aus der internen Wissensbasis sucht und für die Beantwortung von Fragen bereitstellt.

Erkenntnisse und Ausblick

Das Projekt hat gezeigt, dass der Aufbau eines KI-gestützten Wissensmanagements bereits lange vor der Einführung einer konkreten KI-Anwendung beginnt. Die eigentliche Herausforderung besteht häufig nicht in der Auswahl einer geeigneten KI-Lösung, sondern darin, das vorhandene Unternehmenswissen systematisch zu identifizieren, zu dokumentieren und in eine nutzbare Struktur zu überführen.

Eine wichtige Erkenntnis war dabei der gemeinsame Austausch zwischen den verschiedenen Rollen im Unternehmen. Durch die unterschiedlichen Perspektiven der Beteiligten entstanden wertvolle Diskussionen über alltägliche Abläufe, Entscheidungen und Verantwortlichkeiten. Bereits diese gemeinsame Reflexion half dabei, implizites Wissen sichtbar zu machen und Bereiche zu identifizieren, in denen entscheidendes Erfahrungswissen bislang ausschließlich in den Köpfen einzelner Personen vorhanden war.

Gleichzeitig wurde deutlich, dass der Aufbau einer Wissensbasis kein einmaliges Projekt ist, sondern ein kontinuierlicher Prozess. Neue Themen, Erfahrungen und Veränderungen im Unternehmen müssen fortlaufend ergänzt und aktualisiert werden, damit das Wissen langfristig aktuell und nutzbar bleibt.

Darüber hinaus soll die Wissensbasis künftig nicht mehr ausschließlich durch gezielte Wissensreflexionen erweitert werden. Auch im laufenden Arbeitsalltag können neue Erkenntnisse kontinuierlich einfließen. So können beispielsweise Besprechungen, Projektmeetings oder fachliche Abstimmungen aufgezeichnet, automatisch transkribiert, strukturiert zusammengefasst und, nach fachlicher Prüfung, in die Wissensbasis übernommen werden. Auf diese Weise wächst das dokumentierte Erfahrungswissen kontinuierlich sowohl in seiner Quantität als auch in seiner Qualität. Gleichzeitig bleibt das Wissensmanagement aktuell und kann neue Entwicklungen, Entscheidungen und Erfahrungen zeitnah berücksichtigen.

Eine weitere Erkenntnis des bisherigen Projektverlaufs ist, dass unterschiedliche Zielgruppen unterschiedliche Formen der Wissensaufbereitung benötigen. Während KI-Systeme von vollständigen, klar strukturierten und kontextreichen Dokumentationen profitieren, sind für Mitarbeitende im Arbeitsalltag häufig kompakte Zusammenfassungen hilfreich. Beide Darstellungsformen ergänzen sich und tragen dazu bei, Wissen sowohl für Menschen als auch für KI-Anwendungen optimal nutzbar zu machen.

Künftig soll das Onboarding neuer Mitarbeitender gezielt als Praxistest für die Wissensbasis genutzt werden. Verständnisschwierigkeiten oder Rückfragen sollen dabei Wissenslücken unmittelbar sichtbar machen und wichtige Hinweise darauf liefern, welche Inhalte ergänzt oder verständlicher beschrieben werden sollten.

Schließlich wurde deutlich, dass neben der eigentlichen Wissensdokumentation auch organisatorische Rahmenbedingungen frühzeitig mitgedacht werden müssen. Verantwortlichkeiten für die Pflege der Inhalte, klare Zugriffsrechte sowie eine durchdachte Struktur der Wissensbasis bilden wichtige Voraussetzungen dafür, dass ein KI-gestütztes Wissensmanagement langfristig erfolgreich genutzt und kontinuierlich weiterentwickelt werden kann.