Deine KI ist nur so gut wie deine Knowledge Base

Ein Muster, das mir immer wieder begegnet: Ein Unternehmen aktiviert Now Assist, die Demo sieht großartig aus, und drei Wochen später fragt jemand, warum die KI hartnäckig eine VPN-Anleitung von 2019 vorschlägt, die Nutzer zur Installation eines Clients auffordert, der letztes Jahr abgeschaltet wurde.

Die KI hat dabei nichts falsch gemacht. Sie hat den relevantesten Artikel gefunden. Der Artikel war nur veraltet, und kein Mensch hatte das gemerkt, weil kein Mensch ihn seit Jahren gelesen hatte.

Warum GenAI die Spielregeln ändert

Generative KI verändert die Ökonomie des Knowledge Management grundlegend. Früher hat ein schlechter Artikel die Zeit derjenigen verschwendet, die zufällig über ihn stolperten, ein lokal begrenzter Schaden. Jetzt wird derselbe Artikel in KI-generierte Antworten eingespeist, skaliert ausgeliefert, selbstbewusst formuliert, an jeden, der fragt. Garbage in, garbage out, nur mit deutlich besserer Grammatik und größerer Reichweite.

Das Umgekehrte gilt genauso: Jede Stunde, die in die Qualität der fünfzig wichtigsten Artikel fließt, verbessert ab sofort tausende automatisierte Antworten. Knowledge-Pflege war nie so rentabel wie jetzt. Sie fühlt sich nur weiterhin nicht so an, und deshalb wird sie übersprungen.

Das Aufräumprogramm, das funktioniert

Bevor irgendeine KI auf der Knowledge Base aufsetzt, gehört die unglamouröse Arbeit erledigt. Sie ist überschaubarer, als die meisten befürchten, wenn man sie richtig schneidet.

Alter und Nutzung messen. Der erste Schritt ist eine simple Bestandsaufnahme: Artikel, die seit zwölf Monaten nicht aufgerufen und seit vierundzwanzig nicht aktualisiert wurden, sind Kandidaten für den Ruhestand. In den meisten Knowledge Bases, die ich auditiere, betrifft das zwischen einem Drittel und der Hälfte aller Inhalte. Diese Artikel zu archivieren tut niemandem weh und verbessert sofort jede Suche und jedes Retrieval.

Verantwortung zuweisen. Jeder verbleibende Artikel braucht einen Besitzer und einen Überprüfungszyklus. Die Plattform unterstützt das von Haus aus mit Gültigkeitsdaten und Review-Workflows, die Funktion ist nur selten eingeschaltet. Ohne Besitzer veraltet jeder Artikel wieder, das ist keine Frage des Ob, nur des Wann.

Die Top 50 zuerst in Ordnung bringen. Die Nutzung von Knowledge ist extrem schief verteilt: Wenige Dutzend Artikel decken typischerweise die Mehrheit aller Aufrufe ab. Diese fünfzig korrekt, aktuell und gut strukturiert zu machen verbessert die Antwortqualität für die meisten echten Fragen, und zwar sofort. Perfektion in der Breite ist nicht das Ziel, Exzellenz dort, wo die Nachfrage ist.

Für Maschinen mitschreiben. Klare Titel, ein Thema pro Artikel, explizite Produktnamen und Versionen statt "das neue System". Dieselben Eigenschaften, die Menschen beim Überfliegen helfen, helfen auch dem Retrieval, den richtigen Inhalt zu finden und korrekt zu zitieren. Ein Artikel, der drei Themen vermischt, wird von der KI genauso missverstanden wie vom eiligen Leser.

Der Kreislauf, der danach entsteht

Das Schöne an dieser Arbeit: Sie muss nicht ewig manuell bleiben. Sind die Grundlagen sauber, entsteht mit den GenAI-Funktionen ein sich selbst verstärkender Kreislauf. Aus gelösten Incidents werden Artikelentwürfe generiert, Menschen prüfen und veröffentlichen sie, die KI beantwortet damit künftige Anfragen, und die Lückenanalyse zeigt, wonach gesucht, aber nichts gefunden wurde. Die Knowledge Base wird vom statischen Archiv zum lebenden System.

Aber dieser Kreislauf startet nicht von selbst. Er braucht den sauberen Anfangszustand, sonst verstärkt er Müll statt Wissen.

Ich habe noch keinen erfolgreichen KI-Self-Service-Rollout gesehen, der diesen Schritt übersprungen hat. Ich habe aber mehrere gesehen, die genau daran ins Stocken gerieten, und die Aufräumarbeit dann unter Zeitdruck und mit beschädigtem Vertrauen nachholen mussten. Die Reihenfolge ist kein Vorschlag. Sie ist die halbe Erfolgswahrscheinlichkeit.