Stellen Sie sich ein Unternehmen vor, das einen KI-Assistenten auf die eigenen Dokumente gesetzt hat: Handbücher, Berichte, Protokolle, alles indexiert. Die ersten Wochen sind begeisternd. Dann kommen die Fragen, die im Alltag wirklich zählen – warum eine Anlage immer wieder ausfällt, warum eine Maßnahme an einem Standort wirkt und am anderen nicht –, und das System schweigt. Nicht, weil das Modell zu schwach wäre. Sondern weil ihm die Zusammenhänge fehlen.

Organisationen denken verteilt 

Wie verteiltes Wissen konkret funktioniert, hat der Kognitionswissenschaftler Edwin Hutchins seiner Studie »Cognition in the Wild« gezeigt am Beispiel eines Marineschiffs gezeigt: Kein einzelner Mensch an Bord »weiß« die Position des Schiffs. Das Wissen entsteht verteilt – über Instrumente, Karten, Routinen und die Zusammenarbeit mehrerer Personen. Genau so funktionieren Unternehmen: Das Wissen, wie ein Produkt entsteht oder eine Anlage läuft, besitzt niemand allein. Es ist verteilt über Menschen, Systeme, Prozesse und Dokumente. Aber dieses verteilte Gedächtnis war passiv: Ein Aktenordner beantwortet keine Fragen. Ein Laufwerk verknüpft keine Zusammenhänge. Bis heute muss der Mensch die kognitive Integrationsleistung selbst erbringen: suchen, lesen, kombinieren, schlussfolgern.

Wo die Dokumentensuche an ihre Grenze kommt

Der erste Schritt zum aktiven Gedächtnis im Unternehmen ist heute Stand der Technik: Retrieval-Augmented Generation (RAG). Dokumente werden dabei nicht mehr nach Stichworten durchsucht, sondern als Bedeutungsvektoren (Embeddings) abgelegt; ein Sprachmodell formuliert aus den relevantesten Passagen eine Antwort. Der Fortschritt ist real – wer nach »Anlage steht nach Werkzeugwechsel still« fragt, findet auch den Bericht, in dem »Spindelstillstand nach Rüstvorgang« steht. Für Belegschaften, die bislang mit Volltextsuche und zwölf Ordnerebenen gelebt haben, ist das ein spürbarer Sprung.

Und doch reicht es nicht. Nehmen wir eine Technikerin, die morgens vor Pumpe P-07 steht, die zum dritten Mal in diesem Jahr ausgefallen ist. Sie fragt das System: »Warum fällt P-07 immer wieder aus?« Ein RAG-System liefert ihr drei Textpassagen aus drei Störungsberichten – jede für sich korrekt, jede für sich nutzlos. Was es nicht liefert: dass alle drei Ausfälle nach demselben Wartungsintervall auftraten, dass eine baugleiche Pumpe in Halle 2 dasselbe Muster zeigt, und dass ein Kollege vor drei Jahren genau dieses Problem auf eine Lieferantencharge zurückgeführt hat. Denn RAG findet Textstellen, keine Zusammenhänge. Es kennt keine Historie einer Anlage, keine Beziehung zwischen Bauteil, Fehlerbild und Maßnahme. Zerteilt man Dokumente ungeschickt (das sogenannte Chunking), gehen Kontexte verloren; und ein Sprachmodell kann auch mit korrektem Retrieval Aussagen erzeugen, die in keiner Quelle stehen. Ein reines RAG-System ist deshalb ein gutes Kurzzeitgedächtnis – aber noch kein Wissen.

Der Wissensgraph: wenn das System Zusammenhänge kennt

Menschen erinnern sich nicht an Seiten, sondern an Zusammenhänge: Diese Pumpe gehört zu jener Linie. Vor drei Jahren hatte sie denselben Schaden. Damals half Maßnahme X.

Genau das bilden Wissensgraphen ab. Sie halten fest, welche Dinge es gibt – Anlagen, Bauteile, Fehler, Maßnahmen, Personen – und wie sie zusammenhängen: explizit, prüfbar, maschinenlesbar.

Kombiniert man beides, spricht man von GraphRAG. Die Arbeitsteilung ist simpel: Das Sprachmodell versteht die Frage und formuliert die Antwort. Der Graph liefert die Zusammenhänge und sagt, woher sie stammen.

Unsere Technikerin bekommt damit keine drei Textstellen, sondern eine Antwort mit Herleitung: derselbe Fehler, dreimal im gleichen Abstand, einmal vor drei Jahren schon gelöst. Quelle inklusive.

In unseren Projekten am KODIS des Fraunhofer IAO ist diese Architektur der Kern des organisationalen Gedächtnisses: LLMs als Schnittstelle und Strukturierungsmaschine, der Wissensgraph als Langzeitgedächtnis.

Wie daraus in der Industrie ein System wird, das Erfahrungswissen im Dialog aufnimmt, zeige ich im nächsten Teil (siehe Leselinks).

Was das für Ihr Unternehmen bedeutet

Was gewinnt ein Unternehmen, dessen Wissen so organisiert ist? Drei Dinge, die sich unmittelbar auf Kosten und Risiken auswirken. Erstens sinkt die Abhängigkeit von einzelnen Personen: Wenn Zusammenhänge im System stehen und nicht nur in einem Kopf, ist der Urlaub des Anlagenexperten kein Betriebsrisiko mehr. Zweitens wird Erfahrung übertragbar – neue Mitarbeitende bekommen nicht nur Dokumente, sondern begründete Antworten mit Herkunft, und das verkürzt Einarbeitungszeiten spürbar. Und drittens dreht sich die Alterungslogik um: Ein Aktenarchiv verliert mit jedem Jahr an Wert, ein Wissensgraph gewinnt an Wert, weil jede neue Störung, jede Lösung, jede Erfahrung die Zusammenhänge dichter macht. Aus dem Kostenfaktor Dokumentation wird ein Vermögenswert, der mitwächst.

Der größte Denkfehler, den ich derzeit in KI-Projekten sehe: einen RAG-Piloten für das Ziel zu halten. Er ist der Einstieg. Mein Rat an alle, die gerade eine KI-Wissensarchitektur planen: Fragen Sie nicht zuerst »Welches Modell nehmen wir?«, sondern »Welche Fragen soll unser System in drei Jahren beantworten können?«. Wenn darunter Fragen sind, die Zusammenhänge über Zeit, Anlagen oder Abteilungen hinweg betreffen, brauchen Sie einen Wissensgraphen – und zwar von Anfang an, nicht als spätere Nachrüstung.

Eine Frage bleibt dabei offen, und es ist die entscheidende: Woher kommt eigentlich das Wissen, das in diesem Gedächtnis landen soll? Das Wertvollste steht in keinem Dokument, das sich indexieren ließe. Darum geht es im nächsten Teil dieser Reihe.

Sie planen gerade genau das? Wir begleiten Unternehmen von der Wissensarchitektur über Workshops und Proof of Concept bis zum produktiven System – sprechen Sie uns an.

Leselinks:

• Teil 1 der Blogreihe »Das Gedächtnis der Organisation«
• Projekt »TACIT-Talk« – Vom Forschungsprototyp zur industriellen Wissensextraktion
• Forschungs- und Innovationszentrum KODIS des Fraunhofer IAO
• Clark/Chalmers: »The Extended Mind«, Analysis 58 (1998)
• Hutchins: »Cognition in the Wild«, MIT Press (1995)

Kategorien: Arbeitswelten und Transformation, Künstliche Intelligenz
Tags: Gedächtnis der Organisation, Wissensmanagement