Unternehmenswissen war lange vor allem in Dokumenten, Köpfen und Ablagen vorhanden. Im digitalen Betrieb wird es zu einer gemeinsamen Grundlage für Kommunikation, Suche, KI, Service, Entscheidungen und wiederkehrende Prozesse.
Kernaussage
Strukturiertes Unternehmenswissen wird zur operativen Infrastruktur, sobald mehrere Systeme und Rollen zuverlässig darauf zugreifen müssen.
Dann reicht es nicht mehr, Dateien auffindbar abzulegen. Wissen benötigt definierte Quellen, eindeutige Begriffe, Beziehungen, Verantwortlichkeiten, Berechtigungen, Lebenszyklen und kontrollierte Schnittstellen. Es muss ähnlich sorgfältig behandelt werden wie andere geschäftskritische Systeme.
Diese Einordnung bedeutet nicht, dass jedes Unternehmen eine komplexe Wissensplattform braucht. Sie bedeutet, dass die Qualität digitaler Arbeit zunehmend davon abhängt, ob relevantes Wissen kontrolliert verfügbar und verwendbar ist.
Ausgangslage im April 2026
Unternehmenswissen wurde in immer mehr Situationen benötigt:
- für Websites und fachliche Inhalte,
- für Vertrieb und Angebotskommunikation,
- für Such- und Antwortsysteme,
- für interne Assistenzen und generative KI,
- für Kundenservice und Schulung,
- für Automatisierungen und Agenten,
- für Entscheidungen, Freigaben und Qualitätssicherung.
Gleichzeitig blieb die Grundlage häufig fragmentiert. Informationen lagen in Websites, PDF-Dateien, Präsentationen, E-Mails, Wikis, Cloud-Ablagen, Projektwerkzeugen und persönlichen Notizen. Unterschiedliche Zugriffe und Bearbeitungsstände führten dazu, dass dieselbe Frage je nach Quelle anders beantwortet wurde.
Das Problem war damit nicht mehr nur redaktionell. Es wurde operativ.
Eine falsche Leistungsbeschreibung konnte in eine Webseite, ein Angebot, eine KI-Antwort und einen Serviceprozess gelangen. Eine veraltete Produktinformation konnte mehrfach weiterverwendet werden. Eine fehlende Berechtigungstrennung konnte vertrauliches Wissen in einem ungeeigneten Kontext zugänglich machen.
Technische Retrieval-Verfahren konnten Inhalte zwar gezielt für generative Anwendungen bereitstellen. Sie machten aber auch sichtbar, dass Abrufqualität, Aktualität, Zugriffsrechte und Quellenherkunft keine Nebenthemen sind.
Was operative Wissensinfrastruktur bedeutet
Operative Wissensinfrastruktur ist die organisierte Gesamtheit aus Wissensquellen, Strukturen, Regeln, Verantwortlichkeiten und technischen Zugängen, durch die relevantes Unternehmenswissen in Arbeitsprozessen verlässlich genutzt werden kann.
Sie besteht nicht nur aus einer Datenbank. Sie verbindet sechs Ebenen.
1. Verbindliche Wissensquellen
Nicht jede Datei besitzt denselben Status. Eine belastbare Infrastruktur unterscheidet beispielsweise zwischen:
- freigegebenen Referenzquellen,
- Arbeitsständen,
- externen Quellen,
- historischen Dokumenten,
- vertraulichen Informationen,
- abgelösten oder ungültigen Inhalten.
Für wichtige Aussagen muss erkennbar sein, welche Quelle verbindlich ist und welchen Geltungsbereich sie besitzt.
2. Wissensobjekte und Beziehungen
Dokumente sind Behälter. Operativ nutzbar wird Wissen, wenn zentrale Gegenstände eindeutig beschrieben werden.
Dazu gehören:
- Unternehmen und Marken,
- Personen und Verantwortlichkeiten,
- Leistungen und Produkte,
- Zielgruppen und Anwendungsfälle,
- Methoden und Prozesse,
- Fachbegriffe und Definitionen,
- Nachweise und Quellen,
- Regeln, Grenzen und Ausnahmen.
Die Beziehungen zwischen diesen Objekten sind ebenso wichtig wie die einzelnen Informationen. Ein Angebot gehört zu einer Zielgruppe. Eine Aussage beruht auf einer Quelle. Eine Methode besitzt Voraussetzungen. Ein Ansprechpartner ist für einen Bereich zuständig.
3. Verantwortung und Lebenszyklus
Wissen verändert sich. Leistungen werden angepasst, Zuständigkeiten wechseln, rechtliche Rahmenbedingungen entwickeln sich, technische Angaben veralten.
Jeder kritische Wissensbereich benötigt deshalb:
- eine verantwortliche Rolle,
- ein Prüfdatum,
- einen Auslöser für Aktualisierung,
- eine Regel für Archivierung oder Löschung,
- eine dokumentierte Freigabe,
- eine nachvollziehbare Änderungshistorie.
Die Norm ISO 30401 beschreibt Wissensmanagement als Managementsystem, das aufgebaut, umgesetzt, gepflegt, überprüft und verbessert werden muss. Für die operative Praxis ist daran entscheidend: Wissen wird nicht einmalig gesammelt. Es wird gesteuert.
4. Berechtigungen und Schutz
Unternehmenswissen besitzt unterschiedliche Schutzbedarfe.
Öffentliche Leistungsinformationen dürfen breit verfügbar sein. Interne Kalkulationen, Kundendaten, Vertragsinhalte oder sensible technische Dokumentationen benötigen engere Grenzen.
Eine Wissensinfrastruktur muss deshalb berücksichtigen:
- wer Informationen sehen darf,
- wer sie verändern darf,
- welche Anwendung sie abrufen darf,
- in welchem Kontext sie verwendet werden dürfen,
- welche Inhalte nicht in generierte Antworten gelangen dürfen.
Aktuelle Retrieval-Schnittstellen zeigen diese Logik praktisch. Die Microsoft 365 Copilot Retrieval API beschreibt beispielsweise den Abruf relevanter Textabschnitte unter Beibehaltung bestehender Zugriffs- und Governance-Regeln. Das konkrete Produkt ist nicht der allgemeine Standard. Es verdeutlicht jedoch, warum Wissenszugang und Berechtigung gemeinsam gedacht werden müssen.
5. Abruf, Schnittstellen und Nutzungskontext
Wissen muss für den jeweiligen Zweck auffindbar sein.
Menschen suchen anders als ein Redaktionssystem, eine Website, eine Suchmaschine oder eine generative Anwendung. Eine operative Infrastruktur benötigt deshalb geeignete Zugänge:
- Navigation und Suche für Menschen,
- strukturierte Seiten und interne Links für Websites,
- Metadaten und eindeutige Entitäten für Systeme,
- Retrieval-Schnittstellen für KI-Anwendungen,
- APIs oder definierte Übergaben für Prozesse,
- zitierfähige Quellen für prüfbare Antworten.
Retrieval-Augmented Generation verbindet ein generatives Modell mit extern abgerufenen Informationen. Die ursprüngliche Forschung zeigte das Potenzial einer solchen Verbindung für wissensintensive Aufgaben. Sie löst aber nicht automatisch die Qualität der zugrunde liegenden Wissensbestände.
6. Prüfung, Beobachtbarkeit und Rückmeldung
Operative Infrastruktur muss überprüfbar sein.
Bei wissensgestützten Anwendungen ist zu beobachten:
- welche Quelle abgerufen wurde,
- ob die Quelle aktuell und freigegeben war,
- welche Antwort daraus entstand,
- wo keine geeignete Information gefunden wurde,
- welche Fehler wiederholt auftreten,
- wann menschliche Prüfung erforderlich ist.
NIST ordnete generative KI in einen Lebenszyklus aus Governance, Risikokartierung, Messung und Management ein. Für Unternehmenswissen folgt daraus eine klare Konsequenz: Ein System darf nicht nur Antworten erzeugen. Es muss Grenzen, Herkunft und Fehlerfälle beherrschbar machen.
Warum ein Dokumentenarchiv nicht ausreicht
Ein gut geordnetes Archiv ist wertvoll. Es erfüllt jedoch eine andere Aufgabe.
Ein Archiv beantwortet vor allem:
- Welche Dokumente existieren?
- Wo liegen sie?
- Wer darf sie öffnen?
- Wie lange müssen sie aufbewahrt werden?
Operative Wissensinfrastruktur beantwortet zusätzlich:
- Welche Aussage ist aktuell und verbindlich?
- Welche Quelle besitzt Vorrang?
- Wie hängen Begriffe, Leistungen und Regeln zusammen?
- Welche Information darf in welchem Kontext verwendet werden?
- Wie erreicht eine Änderung alle betroffenen Anwendungen?
- Wie wird erkannt, dass Wissen fehlt oder widersprüchlich ist?
Die Grenze ist nicht technisch, sondern funktional. Eine bestehende Dokumentenablage kann Teil der Infrastruktur bleiben. Sie benötigt jedoch zusätzliche Ordnung und Governance, wenn aus ihr zuverlässig kommuniziert, entschieden oder automatisiert werden soll.
Warum mehr KI das Wissensproblem nicht beseitigt
Leistungsfähigere Modelle können Sprache besser verarbeiten, Fragen flexibler verstehen und Inhalte überzeugend formulieren. Sie besitzen dadurch nicht automatisch die aktuelle Wahrheit eines Unternehmens.
Ohne kontrollierte Wissensgrundlage entstehen typische Risiken:
Allgemeines Wissen ersetzt Besonderheiten
Das Modell liefert eine plausible Standardantwort, obwohl das konkrete Unternehmen andere Leistungen, Prozesse oder Grenzen besitzt.
Widersprüche werden nicht aufgelöst
Mehrere Quellen enthalten unterschiedliche Angaben. Das System wählt eine davon oder kombiniert sie zu einer neuen, nicht freigegebenen Aussage.
Aktualität wird nur vermutet
Eine jüngere Datei kann sachlich falsch sein. Eine ältere Quelle kann weiterhin verbindlich gelten. Zeitstempel allein lösen die Priorisierung nicht.
Abruf wird mit Wahrheit verwechselt
Dass ein Textabschnitt gefunden wurde, beweist weder seine Richtigkeit noch seine Eignung für die konkrete Frage.
gute Formulierung verdeckt Unsicherheit
Eine sprachlich klare Antwort kann fachlich unvollständig sein. Gerade überzeugende Darstellung erhöht die Notwendigkeit nachvollziehbarer Quellen und Grenzen.
Die GOV.UK-Leitlinie zum Umgang mit dem „digital heap“ betonte 2026, dass KI im Lebenszyklus unstrukturierter Inhalte nur auf Grundlage bestehender Regeln, menschlicher Kontrolle und klarer Entscheidungen sinnvoll eingesetzt werden kann. Die technische Intervention ersetzt nicht die vorgelagerte Informationsverantwortung.
Perspektive aus der Praxis
In vielen Unternehmen beginnt die Wissensfrage nicht mit einem großen Transformationsprojekt. Sie wird durch konkrete Reibung sichtbar:
- Der Vertrieb nutzt eine andere Leistungsbeschreibung als die Website.
- Ein neues Teammitglied findet keine verbindliche Prozessgrundlage.
- Eine KI-Assistenz zitiert veraltete Unterlagen.
- Ein Fachbeitrag verwendet uneinheitliche Begriffe.
- Support und Marketing beantworten dieselbe Frage unterschiedlich.
- Ein automatisierter Prozess kann eine Ausnahme nicht einordnen.
- Niemand weiß, wer eine zentrale Aussage freigeben darf.
Diese Fälle sollten nicht einzeln repariert werden, wenn sie auf dieselbe Ursache zurückgehen.
Der wirtschaftlich sinnvolle Einstieg ist eine begrenzte Wissensdomäne. Beispielsweise ein Angebot, ein Fachgebiet oder ein wiederkehrender Kundenprozess. Dort werden Quellen, Begriffe, Beziehungen, Verantwortlichkeiten und Nutzungen exemplarisch geklärt.
So entsteht ein belastbarer Kern, bevor Werkzeuge und Integrationen ausgeweitet werden.
Handlungsrahmen
1. Einen relevanten Wissensbereich wählen
Der Startbereich sollte geschäftlich wichtig, wiederholt genutzt und ausreichend abgrenzbar sein. Eine vollständige Erfassung des gesamten Unternehmens ist selten der beste Anfang.
2. Nutzungssituationen dokumentieren
Es wird festgehalten, wer das Wissen wofür benötigt:
- Website und Content,
- Vertrieb,
- Service,
- interne Entscheidungen,
- KI-Anwendungen,
- automatisierte Prozesse.
Die Nutzung bestimmt die notwendige Tiefe, Aktualität und Berechtigung.
3. Quellen bewerten
Vorhandene Dokumente und Systeme werden nicht nur gesammelt, sondern eingeordnet:
- verbindlich,
- ergänzend,
- historisch,
- widersprüchlich,
- vertraulich,
- ungeprüft,
- abzulösen.
4. Wissensobjekte modellieren
Zentrale Begriffe, Leistungen, Regeln, Beispiele und Nachweise erhalten eindeutige Einträge und Beziehungen.
5. Verantwortung zuweisen
Für jeden kritischen Bereich wird bestimmt, wer fachlich entscheidet, wer pflegt und wer technisch betreibt.
6. Lebenszyklus und Änderungspfad festlegen
Eine Änderung muss alle betroffenen Kanäle und Anwendungen erreichen. Dazu braucht es Prüfintervalle und ereignisbezogene Aktualisierung.
7. Zugriffe und Grenzen definieren
Öffentliche, interne, vertrauliche und personenbezogene Informationen werden getrennt. Anwendungen erhalten nur die Zugänge, die für ihren Zweck erforderlich sind.
8. Retrieval und Ausgaben testen
Nicht nur der Abruf wird geprüft. Entscheidend ist, ob daraus richtige, vollständige, belegte und angemessen begrenzte Ergebnisse entstehen.
9. Rückmeldungen in die Wissensbasis führen
Unklare Fragen, wiederkehrende Fehler und fehlende Informationen werden nicht nur im Ausgabesystem korrigiert. Sie verbessern die zugrunde liegende Wissensstruktur.
10. schrittweise skalieren
Erst nach einem belastbaren Pilotbereich werden weitere Angebote, Prozesse und Systeme angeschlossen.
Was Unternehmen nicht tun sollten
Nicht sinnvoll sind:
- alle vorhandenen Dateien ungeprüft in ein KI-System zu laden,
- ein Wissensprojekt mit der Auswahl eines Werkzeugs zu beginnen,
- Retrieval als Garantie für richtige Antworten zu behandeln,
- öffentliche und vertrauliche Quellen in einem gemeinsamen Zugriff zu vermischen,
- Dateialter mit fachlicher Gültigkeit gleichzusetzen,
- Verantwortlichkeit vollständig an IT oder Marketing zu delegieren,
- Wissen ohne Lebenszyklus und Ablöseregeln zu sammeln,
- nur erfolgreiche Antworten zu prüfen und Fehlerfälle nicht zu protokollieren,
- jede Information sofort zentralisieren zu wollen,
- Infrastruktur mit unnötiger technischer Komplexität zu verwechseln.
Konsequenz für Unternehmen
Unternehmenswissen wird zur operativen Infrastruktur, wenn es mehrere geschäftliche Funktionen verlässlich versorgen muss.
Die notwendige Professionalisierung liegt nicht zuerst in einem großen technischen System. Sie liegt in der Verbindung aus:
- geprüften Quellen,
- klaren Wissensobjekten,
- nachvollziehbaren Beziehungen,
- fachlicher Verantwortung,
- Berechtigungen,
- Lebenszyklusregeln,
- kontrolliertem Abruf,
- beobachtbarer Nutzung.
Diese Grundlage verbessert nicht nur KI-Anwendungen. Sie stärkt Website, Content, Vertrieb, Service und interne Entscheidungen gleichermaßen.
Damit verschiebt sich die zentrale Frage. Nicht: „Welche KI können wir einsetzen?“ Sondern: „Welches Wissen soll in welchem Kontext verlässlich wirken, und wie sichern wir seine Qualität?“
Fachlicher Anschluss
SDC Knowledge Core als operative Grundlage
Ein SDC Knowledge Core strukturiert relevante Quellen, Begriffe, Aussagen, Nachweise, Berechtigungen und Pflegeprozesse für einen klar abgegrenzten Unternehmensbereich. In der SDC-Partnership kann diese Grundlage mit Website, Content, Suche, KI-Anwendungen und operativen Prozessen verbunden und schrittweise erweitert werden.
CTA: Unternehmenswissen mit dem SDC Knowledge Core als operative Grundlage aufbauen
Weiterführende Insights
- Content und Expertise
- KI ohne Wissensgrundlage produziert austauschbare Ergebnisse. Geplanter Beitrag im Pillar „KI und Automatisierung“.
- Von der Content-Produktion zur Wissensarchitektur
- Warum Marken eine konsistente Wissensbasis benötigen
Über den Autor
Göke Frerichs ist Digitalstratege und Smart Digital Creative. Er arbeitet seit 1999 professionell an der Verbindung von digitaler Strategie, Kommunikation, Technologie und Umsetzung.
Quellen
- ISO, ISO 30401:2018 Knowledge management systems. Requirements, November 2018. https://www.iso.org/standard/68683.html
- Patrick Lewis et al., Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks, 2020. https://arxiv.org/abs/2005.11401
- NIST, Artificial Intelligence Risk Management Framework: Generative Artificial Intelligence Profile, NIST AI 600-1, Juli 2024. https://nvlpubs.nist.gov/nistpubs/ai/NIST.AI.600-1.pdf
- Google Cloud, RAG with databases on Google Cloud, 31. Januar 2024. https://cloud.google.com/blog/products/ai-machine-learning/rag-with-databases-on-google-cloud
- Google Cloud, A reference architecture for Retrieval Augmented Generation on Google Cloud, 22. September 2025. https://cloud.google.com/architecture/rag-reference-architectures
- Microsoft Learn, Overview of the Microsoft 365 Copilot Retrieval API, 23. Januar 2026. https://learn.microsoft.com/en-us/microsoft-365/copilot/extensibility/api/ai-services/retrieval/overview
- The National Archives und GOV.UK, AI Insights: Using AI to manage the digital heap, 13. März 2026. https://www.gov.uk/government/publications/ai-insights/ai-insights-using-ai-to-manage-the-digital-heap-html