Die meisten Gespräche über Wissen in Unternehmen beginnen mit der falschen Annahme. Sie unterstellen, das zentrale Problem sei ein Mangel an Einsichten, ein fehlender Report oder eine Abteilung, die ihr Wissen noch nicht geteilt hat. In der Praxis liegt die Schwierigkeit selten in der Knappheit. Sie liegt im Zugang.
Die Illusion des Wissensmangels
Unternehmen verfügen heute über mehr Dokumente, mehr Daten und mehr dokumentierte Erfahrungen als jemals zuvor. Postfächer sind voll, Laufwerke sind voll, und die meisten Führungskräfte tragen Jahre an Kontext mit sich, der niemals niedergeschrieben wurde. Die dominierende Klage innerhalb der Organisation lautet dennoch nicht, dass zu wenig Wissen vorhanden sei. Sie lautet, dass bereits vorhandenes Wissen in genau dem Moment nicht auffindbar ist, in dem es gebraucht wird.
Die Folge ist eine stille, aber dauerhafte Verschwendung. Teams gelangen zweimal zu denselben Ergebnissen. Junge Mitarbeitende stellen Fragen, die vor drei Jahren bereits beantwortet wurden. Angebote werden neu geschrieben, obwohl eine ausgezeichnete Vorlage zwei Ordner weiter liegt. Von außen sieht nichts davon nach einem Wissensproblem aus. Es sieht nach kurzzeitig unterbrochener Produktivität aus.
Warum Wissen unsichtbar wird
Organisationswissen geht selten verloren. Es ist verteilt. Es lebt in E-Mail-Verläufen, in Tickets, in Dateisystemen, in Confluence-Seiten, in SharePoint-Strukturen, in CRM- und ERP-Datensätzen und, vielleicht am bedeutendsten, in den Köpfen einzelner Mitarbeitender. Jede dieser Umgebungen hat ihre eigene Logik, ihren eigenen Sprachgebrauch und ihre eigenen Gatekeeper. Zusammen bilden sie ein Archiv, das keine einzelne Person mehr lesen kann. Wissenssilos entstehen selten aus Absicht. Sie sind das stille Nebenprodukt gewachsener Strukturen.
Je größer die Organisation, desto ausgeprägter dieser Effekt. Was von außen wie ein einheitliches Unternehmen wirkt, gleicht von innen häufig einer Anzahl überlappender Gedächtnissysteme, die gelegentlich höfliche Signale austauschen. Genau hier beginnt das, was sich nüchtern als Verlust an institutionellem Wissen beschreiben lässt.
Wie sich organisatorische Amnesie im Alltag zeigt
Die Folgen fragmentierten Wissens zeigen sich selten in dramatischen Momenten. Häufig erscheinen sie als normale Bestandteile des Arbeitsalltags. Genau darin liegt ihre Unsichtbarkeit.
Steuerberatung und Wirtschaftsprüfung
Ein Steuerberater erhält eine Mandantenanfrage zu einer Konstellation, die in der Kanzlei längst durchdacht worden ist. Eine ähnliche Frage wurde vor zwei Jahren bearbeitet, eine vergleichbare vor vier Jahren, und ein Kollege hat dazu vor einigen Monaten eine fundierte Notiz verfasst.
Die fachliche Antwort fällt der Kanzlei nicht schwer. Die eigentliche Herausforderung besteht darin, die frühere Antwort wiederzufinden. Das institutionelle Wissen ist vorhanden, aber es liegt verteilt zwischen Aktenarchiv, Mailpostfach und einem Dokumentenmanagementsystem, dessen Suchlogik die Sprache der Steuerwelt nur näherungsweise versteht.
Anwaltskanzleien
In einer wirtschaftsrechtlich ausgerichteten Kanzlei wird ein neues Mandat angenommen, dessen Konstellation auffällig vertraut wirkt. Eine Partnerin erinnert sich an einen vergleichbaren Fall vor drei Jahren, ein Associate hat ein verwandtes Vertragsmuster bearbeitet, und in einem internen Memo wurde die regulatorische Würdigung bereits sauber hergeleitet.
Vorhanden sind sämtliche Bausteine. Schriftsätze, Vertragsentwürfe, interne Prüfschemata und die einschlägige Rechtsprechung liegen in der Kanzlei. Was fehlt, ist eine Infrastruktur, die diese Bestände über Mandate, Standorte und Praxisgruppen hinweg verbindet. Die fachliche Substanz ist nicht das Problem. Das Problem ist die Auffindbarkeit. Genau dort, wo Stundensätze hoch und Mandantenanforderungen anspruchsvoll sind, wird jede nicht wiedergefundene Vorarbeit zu einem doppelt teuren Posten.
Unternehmensberatung
Eine Beraterin entwickelt für einen Klienten ein Konzept für einen Strategie-Workshop. Sie investiert mehrere Tage in den methodischen Aufbau, in die Auswahl von Fallbeispielen und in die Vorbereitung der Diskussion.
Monate später stellt sich heraus, dass ein Kollege aus einem anderen Standort bereits einen sehr ähnlichen Ansatz entwickelt hatte. Niemand wusste davon. Das Wissen war nicht verschwunden. Es war lediglich nicht sichtbar. In wissensgetriebenen Organisationen ist genau dies einer der teuersten unsichtbaren Posten in der Kalkulation.
Maschinenbau
Ein Servicetechniker löst ein anspruchsvolles technisches Problem an einer Anlage. Er dokumentiert die Ursache, beschreibt die Lösung und legt den Bericht im vorgesehenen System ab. Damit gilt der Vorgang als abgeschlossen.
Jahre später tritt derselbe Fehler an einer baugleichen Anlage in einem anderen Werk auf. Die damalige Lösung existiert noch. Sie ist sauber erfasst, präzise formuliert und vollständig dokumentiert. Sie wird nur nicht gefunden. Erfahrungswissen, das niemand abrufen kann, ist betriebswirtschaftlich nicht von fehlendem Wissen zu unterscheiden.
Softwareunternehmen
Produktmanagement, Support und Entwicklung suchen gemeinsam nach dem Hintergrund einer Architekturentscheidung, die vor zwei Jahren getroffen wurde. Die relevanten Informationen liegen über mehrere Systeme verteilt. Ein Teil in einem Ticketsystem, ein Teil in einem Architekturdokument, ein Teil in einer Slack-Konversation, ein Teil in einer E-Mail an einen damaligen Kunden.
Jede dieser Quellen wäre für sich allein nicht ausreichend. Erst ihre Zusammenführung würde die ursprüngliche Logik rekonstruieren. In der Praxis geschieht diese Zusammenführung selten. Entscheidungen werden neu getroffen, obwohl bereits entschieden wurde.
Industrieunternehmen
Ein internationaler Standort sucht nach Erfahrungen zu einer regulatorischen Anforderung in einem bestimmten Markt. Mehrere andere Standorte des Konzerns haben sich mit derselben Anforderung bereits intensiv auseinandergesetzt.
Das Wissen existiert. Es wurde geprüft, abgewogen und in Projekten angewendet. Es ist nur über die Konzerngrenzen hinweg nicht sichtbar. Der Standort beginnt von vorn, beauftragt externe Kanzleien und produziert Antworten, die im selben Unternehmen bereits formuliert worden waren.
In keinem dieser Beispiele fehlt Wissen. Es fehlt lediglich ein verlässlicher Weg zu seinem Zugriff.
Der teuerste Mitarbeitende
Der teuerste Mitarbeitende einer Organisation ist selten der am besten bezahlte. Es ist jener, dessen Wissen ausschließlich in seinem Kopf existiert. Der Wert dieser Person für das Unternehmen ist real, doch ihre Reproduzierbarkeit liegt bei null. Ist sie nicht verfügbar, verlangsamt sich die Arbeit. Verlässt sie das Unternehmen, beginnt die Arbeit von vorn.
Diese Abhängigkeit ist keine Personalfrage, auch wenn sie häufig als solche behandelt wird. Sie ist ein strukturelles Merkmal von Organisationen, die nie ernsthaft gefragt haben, wo ihr Unternehmensgedächtnis eigentlich lebt.
Wenn Organisationen ihr Gedächtnis verlieren
Mehrere Ereignisse machen die Kosten fragmentierten Wissens plötzlich sichtbar. Onboarding dauert länger als nötig, weil neue Kolleginnen und Kollegen einen Kontext rekonstruieren müssen, der nie niedergeschrieben wurde. Fluktuation entzieht der Organisation in einer einzigen Kündigungsfrist Jahre an Urteilsvermögen. Ruhestand entleert Jahrzehnte an Erfahrung auf einen Schlag. Abteilungsgrenzen und geografische Entfernung machen aus derselben Frage mehrere parallele Untersuchungen.
In Phasen der Stabilität wirken diese Kosten wie Hintergrundgeräusche. In Phasen der Veränderung werden sie zur eigentlichen Geschichte. Wissensverlust ist dann kein abstraktes Risiko mehr, sondern eine messbare Veränderung der Leistungsfähigkeit.
Warum klassische Wissensmanagement-Projekte scheitern
Die klassische Antwort hieß Dokumentation. Wikis wurden eingeführt, Intranets neu gestaltet, Taxonomien diskutiert. Das Muster ist inzwischen vertraut. Dokumentation entsteht ohne Nutzung, Wikis werden gestartet ohne Pflege, Ablagen werden gefüllt ohne Kontext, und nach achtzehn Monaten verschwindet das Projekt leise von der Tagesordnung.
Der Grund liegt nicht in mangelhafter Ausführung. Er liegt darin, dass Wissen im Arbeitsfluss entsteht, klassische Systeme jedoch verlangen, diesen Arbeitsfluss zu verlassen, um Wissen abzulegen. Wenige tun es, und die wenigen, die es tun, sind selten jene, deren Wissen am stärksten benötigt würde.
Warum dieses Problem jahrzehntelang ungelöst blieb
Wer die Geschichte des Wissensmanagements ernsthaft betrachtet, kommt nicht umhin, ihr eine gewisse Würde zuzugestehen. Über Jahrzehnte haben Organisationen versucht, ihr Wissen zugänglich zu machen. Es entstanden Archive, Dokumentenmanagement-Systeme, Intranets, Wissensdatenbanken, Kompetenzlandkarten und Wikis. Beratungsunternehmen haben darüber Bücher geschrieben, Universitäten haben Lehrstühle eingerichtet, IT-Abteilungen haben erhebliche Budgets investiert.
Diese Bemühungen sind nicht gescheitert. Sie haben Strukturen geschaffen, Standards etabliert und eine Disziplin begründet, ohne die heutige Diskussionen über Wissensinfrastruktur überhaupt nicht denkbar wären. Sie haben gleichwohl nie ihr volles Potenzial entfaltet, und der Grund dafür liegt in einer stillen Annahme, die fast allen diesen Systemen zugrunde lag.
Sie alle setzten voraus, dass Menschen bereits wissen, wonach sie suchen. Wer einen Suchschlitz bedient, muss einen Begriff im Kopf haben. Wer eine Taxonomie nutzt, muss die Kategorie kennen, in der das Gesuchte liegen könnte. Wer ein Wiki durchquert, muss bereits eine Vorstellung davon mitbringen, in welchem Kontext der relevante Beitrag verfasst worden sein könnte. Wissen wurde damit, fast unbemerkt, zur Bringschuld der Suchenden.
In der Praxis funktioniert das gut, solange das Gesuchte benennbar ist. Es funktioniert weniger gut, sobald jemand eine Frage stellt, die sich aus mehreren Erfahrungssträngen speist, deren Beziehung zueinander niemand zuvor formuliert hat. Genau diese Fragen sind in wissensintensiven Organisationen die Regel, nicht die Ausnahme.
Hinzu kam ein zweites strukturelles Problem. Wissensmanagement-Systeme waren überwiegend statisch. Sie speicherten, was eingegeben wurde, und gaben wieder, was abgefragt wurde. Die eigentliche Leistung, das Verknüpfen scheinbar entfernter Inhalte, blieb beim Menschen. In wachsenden Organisationen überforderte das den Einzelnen zwangsläufig. Niemand kennt mehr alle Projekte, alle Mandate, alle Tickets, alle Diskussionen.
Der historische Bruch der gegenwärtigen Entwicklung liegt nicht darin, dass nun mehr Speicher zur Verfügung stünde. Er liegt darin, dass moderne KI-Systeme erstmals in der Lage sind, Zusammenhänge zwischen Dokumenten, Projekten, Erfahrungen und Fragestellungen herzustellen, ohne dass diese Beziehungen zuvor explizit modelliert werden mussten. Eine Frage, die in der Sprache des Fragenden formuliert ist, kann mit Informationen verknüpft werden, die in einer ganz anderen Sprache abgelegt wurden, vor Jahren, von einer Person, deren Namen die fragende Person nie gehört hat.
Das ist kein quantitativer, sondern ein qualitativer Unterschied. Klassisches Wissensmanagement verwaltete Inhalte. Eine moderne Wissensinfrastruktur erschließt Bedeutung. Die früheren Systeme waren notwendig, um überhaupt einen Bestand an dokumentiertem Wissen aufzubauen. Erst dieser Bestand macht die heutigen Möglichkeiten überhaupt nutzbar. Insofern bauen die neuen Ansätze auf den alten auf, statt sie zu verdrängen.
Die inoffizielle Wissensinfrastruktur
Während viele Unternehmen noch über Wissensmanagement sprechen, haben zahlreiche Mitarbeitende bereits begonnen, das Problem pragmatisch zu lösen. Nicht durch ein offizielles Programm, nicht durch eine neue Governance-Richtlinie und auch nicht durch ein formell beschlossenes Werkzeug. Sondern durch die tägliche, beinahe beiläufige Nutzung generativer KI.
Steuerberater nutzen ChatGPT oder vergleichbare Systeme, um komplexe Fragestellungen zu strukturieren, bevor sie sie mit Mandanten besprechen. Anwälte prüfen Formulierungen, vergleichen Argumentationslinien und lassen sich Gegenpositionen skizzieren, um die eigene Sicht zu schärfen. Berater entwickeln Workshop-Strukturen, formulieren Hypothesen und bauen erste Foliengerüste mit KI-Unterstützung. Ingenieure lassen Dokumentationen zusammenfassen, Servicetechniker analysieren Fehlerberichte mit Hilfe sprachlicher Modelle, und Produktmanager verdichten Informationen aus Forschung, Vertrieb und Support zu einem arbeitsfähigen Bild. In nahezu jeder wissensintensiven Funktion ist generative KI längst Teil der täglichen Praxis, oft lange bevor die Organisation selbst dies bewusst entschieden hat.
Aus Sicht der einzelnen Mitarbeitenden ist dieses Verhalten vollkommen nachvollziehbar. Die Werkzeuge sparen Zeit, sie reduzieren Suchaufwand, sie beschleunigen die Orientierung in unübersichtlichen Sachverhalten, und sie schaffen Zugang zu Wissen, das in den vorhandenen internen Systemen entweder nicht auffindbar oder nur mit hohem Aufwand zugänglich ist. Wer sich dieser Werkzeuge bedient, handelt nicht leichtfertig, sondern rational. Das eigentliche Problem liegt deshalb nicht in der Nutzung selbst. Es liegt darin, dass diese Nutzung häufig außerhalb einer bewussten organisatorischen Gestaltung stattfindet.
Während Unternehmen also noch über Richtlinien, Freigabeprozesse und Pilotprojekte diskutieren, entsteht vielerorts bereits eine inoffizielle Wissensinfrastruktur. Sie ist produktiv, sie ist schnell, sie ist niedrigschwellig, und sie beantwortet reale Probleme der täglichen Arbeit. Sie ist nirgendwo dokumentiert, in keiner Architekturzeichnung enthalten und auf keiner Folie der Geschäftsleitung verzeichnet, und gerade deshalb funktioniert sie so reibungslos. Sie ist die stille, parallel laufende Antwort der Organisation auf eine Anforderung, der ihre offiziellen Systeme nicht gewachsen sind.
Gleichzeitig wirft diese Entwicklung Fragen auf, die sich nicht länger aufschieben lassen. Welche Unternehmensinformationen verlassen bereits heute täglich die Organisation, weil sie als Kontext in fremde Systeme eingegeben werden, ohne dass jemand den Überblick darüber behält. Welche Informationen dürften überhaupt genutzt werden, welche dürften es nicht, und wer entscheidet darüber in einer Welt, in der die Nutzung längst begonnen hat. Wer trägt die Verantwortung, wenn eine KI-gestützte Antwort in eine Mandantenkommunikation, ein Gutachten oder eine Produktentscheidung einfließt. Wie werden solche Antworten nachvollziehbar, prüfbar und gegenüber Aufsichtsbehörden, Mandanten oder dem eigenen Anspruch an Sorgfalt belastbar. Und vielleicht die strategisch wichtigste Frage: Wie bleibt institutionelles Wissen tatsächlich im Unternehmen, wenn ein wachsender Teil der gedanklichen Arbeit über externe Modelle vermittelt wird, deren Gedächtnis weder der Organisation gehört noch in ihrem Sinne kuratiert ist.
Aus diesen Fragen entsteht der eigentliche Bedarf an Governance. Nicht als bürokratisches Korsett, sondern als bewusste Form der Gestaltung. Governance bedeutet in diesem Zusammenhang, dass eine Organisation festlegt, welche Daten in welchen Kontexten verwendet werden dürfen, wie Antworten zurückverfolgt werden können, wie sensibles Mandanten- oder Unternehmenswissen geschützt bleibt und wie die Ergebnisse der täglichen KI-Nutzung wieder in den Bestand des Unternehmensgedächtnisses zurückfließen, statt in fremden Systemen zu versickern. Compliance ist dabei nicht das Ziel, sondern eine Folge guter Gestaltung.
Die eigentliche Frage lautet daher nicht mehr, ob künstliche Intelligenz Teil der Wissensarbeit wird. Diese Entscheidung ist in vielen Organisationen längst gefallen, oft ohne dass sie als Entscheidung wahrgenommen wurde. Die eigentliche Frage lautet, unter welchen Bedingungen sie genutzt wird. Ob sie in einer öffentlichen Umgebung stattfindet, in der jede Eingabe einen Teil des Unternehmenswissens nach außen trägt, oder in einer Umgebung, die der Organisation selbst gehört und in der jede Interaktion auf das eigene Unternehmensgedächtnis einzahlt, statt es zu schwächen.
Die inoffizielle Wissensinfrastruktur vieler Unternehmen zeigt bereits heute, wie groß das Bedürfnis nach besserem Wissenszugang geworden ist. Sie ist weniger eine Übertretung als ein Hinweis, ein praktisches Votum der Belegschaft für eine Form der Wissensarbeit, die ihre offiziellen Systeme bislang nicht ermöglichen. Gerade deshalb beginnt die nächste Entwicklungsstufe nicht bei besseren Modellen oder leistungsfähigerer Hardware. Sie beginnt bei der bewussten Gestaltung von Wissen, Verantwortung und Kontrolle. Genau an diesem Punkt wird die Diskussion über Private AI Knowledge Systems relevant, denn sie verlagert die Frage von der individuellen Nutzung hin zur organisatorischen Architektur, in der diese Nutzung künftig stattfinden soll.
Was sich durch moderne KI tatsächlich verändert
Moderne KI verändert nicht primär die Menge des Organisationswissens. Sie verändert die Kosten des Zugangs zu diesem Wissen. Diese Verschiebung wirkt zunächst unspektakulär, ist aber wirtschaftlich tiefgreifend. Wenn der Aufwand sinkt, eine bereits getroffene Entscheidung, ein bereits gelöstes Problem oder eine bereits formulierte Argumentation aufzufinden, verändert sich nicht nur die Geschwindigkeit der Arbeit. Es verändert sich, welche Arbeit überhaupt sinnvoll erscheint.
Für Wissensarbeit ist das von besonderer Bedeutung. Wissensarbeit besteht zu einem erheblichen Teil aus dem Wiederherstellen von Kontext. Wer ein Mandat übernimmt, eine Frage beantwortet, ein Angebot schreibt oder eine Entscheidung vorbereitet, verbringt häufig mehr Zeit damit, das relevante Wissen zusammenzutragen, als es schließlich anzuwenden. Sinken die Zugangskosten, verschiebt sich die Verteilung dieser Zeit zugunsten der eigentlichen geistigen Leistung.
Für Einzelpersonen ist das angenehm. Für Organisationen ist es strategisch. Eine einzelne Wissensarbeiterin gewinnt durch besseren Zugang einige Stunden. Eine Organisation mit mehreren hundert Wissensarbeitenden gewinnt etwas grundsätzlich anderes. Sie gewinnt die Fähigkeit, ihr eigenes Wissen als zusammenhängenden Bestand zu nutzen, statt es als Sammlung individueller Erinnerungen zu verwalten.
Erstmals lässt sich Organisationswissen damit als Infrastruktur betrachten, vergleichbar mit Strom, Netzwerk oder Buchhaltungssystem. Niemand erwartet, dass eine Buchhalterin den Stromkreislauf des Gebäudes jeden Morgen rekonstruiert. Bislang erwartete man jedoch implizit, dass Wissensarbeitende den Kontext ihrer Arbeit jeden Morgen aufs Neue zusammensetzen. Eine Wissensinfrastruktur stellt diesen Kontext bereit. Sie hebt das Wissen aus der individuellen Verantwortung in eine institutionelle.
An diesem Punkt wird eine neue Kategorie sinnvoll. Ein Private AI Knowledge System ist eine unternehmenseigene, kontrollierte Umgebung, in der internes Wissen durch KI durchsuchbar, zusammenfassbar und nutzbar wird, ohne die Kontrolle des Unternehmens zu verlassen. Es respektiert Rollen, Berechtigungen und Audit-Anforderungen und versteht internes Wissen als Infrastruktur, nicht als unstrukturierten Inhalt. Es ist die organisatorisch verantwortbare Form dessen, was unter Enterprise AI zunehmend diskutiert wird.
Die Verschiebung ist konzeptionell, bevor sie technisch wird. Wissen ist nicht länger ein Ordner, der aufgeräumt werden müsste. Es wird zu einem Aktivum, das betrieben werden kann.
Warum Organisationswissen zu einem strategischen Vermögenswert wird
In den meisten Branchen werden klassische Wettbewerbsvorteile zunehmend angreifbar. Kapital ist verfügbar, sobald ein Geschäftsmodell überzeugt. Technologie lässt sich beschaffen, lizenzieren oder ersetzen. Prozesse sind beschreibbar, dokumentierbar und damit grundsätzlich nachahmbar. Selbst Marken, lange Zeit als stabile Differenzierung verstanden, verlieren in einem Umfeld algorithmischer Sichtbarkeit an Schutzwirkung.
Organisationswissen verhält sich anders. Es entsteht über Jahre, oft über Jahrzehnte. Es ist das Ergebnis tausender Entscheidungen, Mandate, Projekte, Fehlversuche und Korrekturen. Es lässt sich nicht kurzfristig einkaufen. Es lässt sich nicht durch eine Übernahme vollständig übertragen. Es lässt sich nicht durch ein Whitepaper kopieren. Wer es besitzt, besitzt etwas, das ein neuer Marktteilnehmer auch mit erheblichem Kapital nicht in kurzer Zeit aufbauen kann.
Das institutionelle Gedächtnis ist dabei mehr als eine Sammlung von Dokumenten. Es umfasst Erfahrungswissen, also das Wissen darüber, warum bestimmte Wege funktionieren und andere nicht. Es umfasst Entscheidungswissen, also die Begründungen, Abwägungen und Rahmenbedingungen vergangener Entscheidungen. Es umfasst stilles Wissen, also jene Urteile und Routinen, die Erfahrene anwenden, ohne sie ausdrücklich zu formulieren. Genau diese Wissensformen entscheiden in vielen Branchen über die Qualität der Arbeit.
Für Geschäftsführer und Inhaber ist die Konsequenz unbequem. Wer das institutionelle Wissen einer Organisation nicht aktiv strukturiert, überlässt es dem Zufall der Personalfluktuation. In stabilen Phasen ist das ein theoretisches Risiko. In Phasen mit höherer Fluktuation, in Generationenwechseln oder in Übernahmesituationen wird daraus ein bilanzwirksames Thema.
Hinzu kommt eine weitere Dimension, die in der bisherigen Diskussion zu wenig Beachtung gefunden hat. Organisationen, die über strukturiertes Wissen verfügen, können daraus lernen. Sie können Muster in vergangenen Entscheidungen erkennen, wiederkehrende Themen identifizieren und ihre eigene Praxis reflektieren. Organisationen, deren Wissen ausschließlich in Köpfen lebt, lernen nur dort, wo zufällig dieselben Köpfe beteiligt sind. Skalierbarkeit von Erfahrung beginnt mit Sichtbarkeit von Erfahrung.
Wettbewerbsvorteil entsteht in den kommenden Jahren weniger aus dem, was eine Organisation tut, als aus dem, was sie über sich selbst weiß. Diese Aussage klingt zunächst ungewöhnlich, beschreibt aber präzise, was sich in zahlreichen Branchen beobachten lässt. Kanzleien, die ihre Mandatserfahrung systematisch erschließen, können neue Mandate effizienter bearbeiten. Beratungsunternehmen, die ihre Projektarbeit verstehen, gewinnen an methodischer Tiefe. Industrieunternehmen, die ihr Servicewissen vernetzen, reduzieren Stillstandszeiten. Softwareunternehmen, die ihre Architekturentscheidungen erschließen, entwickeln stabilere Produkte.
Wissensinfrastruktur ist damit kein IT-Thema. Sie ist ein Führungsthema. Sie betrifft die Frage, welche Form von Vermögen ein Unternehmen aufbaut und wie es dieses Vermögen pflegt.
Worüber diese Serie sprechen wird
Die Frage, wie Organisationen ihr Wissen zugänglich machen, berührt unterschiedliche Branchen auf sehr unterschiedliche Weise. Die folgenden Beiträge der Serie Das Unternehmensgedächtnis werden diese Unterschiede ernst nehmen und Branche für Branche darauf eingehen, was Wissensarbeit dort konkret bedeutet.
Für Anwaltskanzleien, Steuerberatung und Wirtschaftsprüfung wird die Serie betrachten, wie Mandatswissen, Schriftsätze, Vertragsmuster, Rechtsprechung und interne Prüfungserfahrung zu einem belastbaren Bestand zusammengeführt werden können, der über Mandate, Praxisgruppen und Standorte hinweg verfügbar bleibt. Für die Unternehmensberatung wird sie der Frage nachgehen, weshalb projektbasiertes Wissen besonders flüchtig ist und welche Strukturen erforderlich sind, um Methoden, Hypothesen und Fallbeispiele über Projektgrenzen hinweg nutzbar zu machen. Für Agenturen wird sie zeigen, wie kreative und konzeptionelle Arbeit, die häufig in Köpfen einzelner Senior-Mitarbeitender lebt, in eine teilbare Form überführt werden kann, ohne ihre Qualität zu verlieren.
Für den Maschinenbau und technische Dienstleister wird die Serie betrachten, wie Servicewissen, Fehleranalysen und Konstruktionsentscheidungen so erschlossen werden, dass sie an einem anderen Standort, in einem anderen Jahr und durch eine andere Person tatsächlich nutzbar werden. Für Softwareunternehmen wird sie der Frage nachgehen, wie Architekturentscheidungen, Produktdiskussionen und Supportwissen so verbunden werden können, dass Entscheidungen nicht versehentlich rückgängig gemacht oder doppelt getroffen werden. Für Industrieunternehmen wird sie das Thema standortübergreifendes Wissen behandeln, also die Frage, wie regulatorische, technische und operative Erfahrungen über Werke, Länder und Gesellschaften hinweg verfügbar werden.
Quer zu diesen Branchenperspektiven wird die Serie auch die strukturellen Themen betrachten, die alle Organisationen betreffen. Sie wird sich Private AI Knowledge Systems als organisatorischer Form widmen, in der dieses Wissen sicher und governance-konform nutzbar wird. Sie wird die Frage von Governance ernst nehmen, also die Frage, wer auf welches Wissen zugreifen darf und unter welchen Bedingungen. Und sie wird die Frage der organisatorischen Verantwortung adressieren, denn Wissensinfrastruktur entsteht nicht in der IT-Abteilung allein, sondern in der bewussten Entscheidung der Unternehmensführung.
Die Serie wird konkret. Sie wird praxisnah. Sie wird Branche für Branche zeigen, wie sich der hier beschriebene Gedanke in die jeweilige Wirklichkeit übersetzen lässt.
Die strategische Konsequenz
Die eigentliche Wissensfrage der kommenden Jahre wird nicht lauten, wie sich mehr Wissen erzeugen lässt. Sie wird lauten, wie das bereits Vorhandene verfügbar wird. Unternehmen, die diese Frage lösen, verkürzen die Zeit zwischen Einsicht und Entscheidung, verringern die Abhängigkeit vom individuellen Gedächtnis und werden, fast unbemerkt, schwerer angreifbar.
Wer sie nicht löst, wird sein Wissen jeden Tag aufs Neue erzeugen, zu erheblichen Kosten, in der Annahme, ein Produktivitätsproblem zu haben.
Die Unternehmen, die in den kommenden Jahren den größten Nutzen aus künstlicher Intelligenz ziehen werden, sind nicht zwangsläufig jene mit den größten Modellen oder den höchsten Technologiebudgets. Es könnten jene Organisationen sein, die ihr eigenes Wissen am besten verstehen, strukturieren und verfügbar machen. In dieser Lesart ist KI weniger ein eigenständiger Wettbewerbsfaktor als ein Verstärker bereits vorhandener organisatorischer Substanz.
Wissensinfrastruktur ist kein Schlagwort. Sie ist die Schicht unterhalb von Strategie, Kultur und Werkzeugen, von deren Qualität der Wert dieser drei letztlich abhängt. Diese Serie ist der Versuch, sie ernst zu nehmen.
