Wissensmanagement im Unternehmen

Was ist Wissensmanagement im Unternehmen?

Wissensmanagement im Unternehmen sorgt dafür, dass das Wissen, das ein Betrieb für seine Arbeit braucht, zur richtigen Zeit bei den richtigen Menschen ankommt. Dazu gehören Handbücher und Ablagen ebenso wie das Erfahrungswissen langjähriger Beschäftigter.

Der Praxisleitfaden Wissensmanagement des Fraunhofer IPK und IFF definiert es so: Wissensmanagement umfasst „alle Verfahren, Methoden, Instrumente und Werkzeuge, die einen systematischen Umgang mit Wissen in allen Bereichen des Unternehmens unterstützen“. Ziel ist, die Geschäftsprozesse leistungsfähiger zu machen und so zu den Unternehmenszielen beizutragen.

Wissen selbst beschreibt der Leitfaden mit Probst und anderen als die Gesamtheit der Kenntnisse und Fähigkeiten, die Menschen zur Lösung von Problemen einsetzen. Wissen stützt sich auf Daten und Informationen, ist aber im Gegensatz zu diesen immer an Personen gebunden. Genau hier liegt die Grenze jeder Software: Sie verwaltet Dokumente, und erst der Mensch, der sie versteht und anwendet, macht daraus Wissen.

Heute kommt oft künstliche Intelligenz hinzu. Ein Sprachmodell durchsucht dann die Dokumente eines Unternehmens und beantwortet Fragen in ganzen Sätzen, mit Verweis auf die Fundstelle. Was das für Methoden und Organisation bedeutet, behandelt der Leitfaden zum KI-Wissensmanagement.

Implizites und explizites Wissen: Was lässt sich überhaupt speichern?

Ikujiro Nonaka unterscheidet in seinem viel zitierten Aufsatz von 1994 zwei Arten von Wissen. Explizites Wissen lässt sich in formaler, systematischer Sprache weitergeben, etwa in Handbüchern, Zeichnungen oder Prozessbeschreibungen. Implizites Wissen ist persönlich, schwer zu formalisieren und tief im Handeln und im jeweiligen Zusammenhang verwurzelt. Nonaka zitiert dazu Michael Polanyi: „We can know more than we can tell“, wir wissen mehr, als wir sagen können.

Wie sich beide Arten im Betrieb erkennen und sichern lassen, vertieft die Seite zu implizitem Wissen. Nonaka beschreibt außerdem vier Wege, wie Wissen zwischen diesen Formen wechselt, heute bekannt als SECI-Modell. Der wichtigste für KI-Projekte ist die Externalisierung, also das Umwandeln von implizitem in explizites Wissen. Nur was auf diesem Weg in Text, Bild oder Ton landet, kann eine KI später finden.

KI-Werkzeuge arbeiten fast nur mit explizitem Wissen. Die Kombination können sie stark beschleunigen. Sozialisation und Internalisierung bleiben Aufgabe der Menschen.

Welche Modelle des Wissensmanagements gibt es?

Das Referenzmodell des Fraunhofer IPK stellt die wertschöpfenden Geschäftsprozesse in die Mitte. In ihnen wird Wissen erzeugt, gespeichert, verteilt und wieder angewendet. Diese vier Kernaktivitäten bilden einen geschlossenen Kreislauf. Wissensmanagement soll sicherstellen, dass das tatsächlich benötigte Wissen jede dieser Stationen durchläuft.

Rund um den Kreislauf nennt der Leitfaden drei Gestaltungsfelder, das sogenannte TOM-Modell: Technik, Organisation und Mensch. Ein Werkzeug allein deckt also nur ein Drittel ab. Ohne klare Zuständigkeiten und ohne Menschen, die ihr Wissen teilen wollen, bleibt auch die beste Software leer.

Für die Strategie unterscheidet der Leitfaden zwei Grundformen. Personalisierungsstrategien verbessern den Austausch zwischen Personen, etwa über Expertenverzeichnisse oder Communities of Practice. Dokumentationsstrategien zielen auf das Festhalten von explizitem Wissen mit IT-Anwendungen. Eine KI-gestützte Suche gehört klar zur zweiten Gruppe und wirkt am besten, wenn die erste sie ergänzt.

Neben dem Fraunhofer-Modell ist das SECI-Modell von Nonaka das bekannteste. Es beschreibt nicht die Stationen im Prozess, sondern wie neues Wissen durch den Wechsel zwischen implizit und explizit entsteht. Beide Modelle ergänzen sich: Das eine ordnet die Aufgaben, das andere erklärt, warum Gespräche dabei unverzichtbar sind.

Welche Probleme löst Wissensmanagement im Mittelstand?

Im Projekt ProWis haben Fraunhofer IPK und IFF kleine und mittlere Unternehmen gefragt, wo der Umgang mit Wissen am meisten hakt. Daraus entstand eine Liste der zehn wichtigsten Einsatzbereiche, acht davon stehen unten. Sie hilft, das eigene Vorhaben an einem konkreten Problem festzumachen.

Der Leitfaden rät sogar, das Wort Wissensmanagement im Betrieb nicht unbedingt zu verwenden. Man könne ebenso davon sprechen, die Kommunikation oder die Vernetzung von Informationen zu verbessern. Wählen Sie aus der Liste ein bis zwei Punkte, an denen der Schmerz am größten ist.

• Neue Beschäftigte schneller ins Unternehmen integrieren.
• Vorhandenes Wissen für neue Projekte und Leistungen wiederverwenden.
• Wissen im Projekt und zwischen Projekten weitergeben.
• Informationen von und über Kunden und Lieferanten nutzen.
• Datenablagen strukturieren und miteinander verknüpfen.
• Das Wissen ausscheidender Mitarbeiter sichern.
• Den Austausch zwischen Abteilungen verbessern.
• Sichtbar machen, wer im Haus was kann.

Welche Methoden des Wissensmanagements gibt es?

Die Lösungsbox des ProWis-Leitfadens listet 48 Instrumente, von der Checkliste bis zur Wissensbilanz. Für den Mittelstand reicht meist eine kleine Auswahl, die zu den eigenen Engpässen passt. Die Tabelle ordnet bewährte Methoden den vier Kernaktivitäten zu und zeigt, wo KI hilft. Ausführlich mit Auswahlhilfe stehen sie im Überblick zu den Methoden des Wissensmanagements.

Welche Methode zuerst kommt, entscheidet der Engpass. Geht Wissen mit Ruheständen verloren, beginnen Sie beim Wissenstransfer. Finden Beschäftigte vorhandene Dokumente nicht, liegt das Problem eher in Ablage und Suche.

Was ändert KI am Wissensmanagement?

Der größte Unterschied liegt beim Verteilen. Bisher musste man wissen, wo ein Dokument liegt und welches Stichwort darin steht. Mit Retrieval Augmented Generation, kurz RAG, sucht ein System zuerst passende Textstellen in den Firmendokumenten und gibt sie zusammen mit der Frage an ein Sprachmodell. Lewis und Kollegen haben das Verfahren 2020 beschrieben, weil Sprachmodelle ihr gespeichertes Wissen schlecht belegen und nur schwer aktualisieren können. Wie das technisch abläuft, erklärt die Seite zu RAG auf kiwissensdatenbank.de.

Das BSI beschreibt RAG in seinem Papier zu generativen KI-Modellen als Gegenmaßnahme: Weil die Antwort zeigen kann, auf welchen Textauszügen sie beruht, lassen sich die Auswirkungen von Halluzinationen mildern. Die Inhalte müssen dafür nicht zuvor als Trainingsmaterial verwendet werden. Neue Dokumente stehen also bereit, sobald sie im System liegen.

Unternehmen nutzen das zunehmend. In der Bitkom-Befragung vom September 2026 unter 603 Unternehmen ab 20 Beschäftigten setzen 57 Prozent KI ein. Von den Unternehmen, die KI nutzen, setzen sie 22 Prozent im internen Wissensmanagement ein, nach 11 Prozent im Vorjahr (Basis: 343 Unternehmen, die KI nutzen). 50 Prozent dieser KI-Nutzer nennen die Aufbereitung von Daten einen großen Kostenpunkt.

Auch beim Erzeugen hilft KI: Sie schreibt aus Stichpunkten einen Artikelentwurf, fasst Besprechungen zusammen oder schlägt Schlagworte vor. Prüfen muss diese Entwürfe weiterhin ein Mensch, der den Inhalt fachlich versteht. Welche Programme dafür in Frage kommen, ordnet der Überblick zu Wissensmanagement-Software.

Wo liegen die Grenzen von KI im Wissensmanagement?

Eine KI findet nur, was jemand aufgeschrieben hat. Fehlt das Erfahrungswissen eines langjährigen Mitarbeiters in den Dokumenten, gibt sie im besten Fall keine Antwort und im schlechtesten eine plausible, aber falsche. Warum Sprachmodelle Lücken mit erfundenen Aussagen füllen, erklärt der Beitrag zu KI-Halluzinationen auf kiagentensicherheit.de.

Das BSI nennt zwei weitere Risiken. Erstens sollen Zugriffsrechte im Suchschritt technisch durchgesetzt werden: Es sollte genau geprüft werden, wer auf welche Informationen zugreifen darf, und von einem Rechtesystem über reine Textanweisungen an das Modell rät das BSI wegen der Angreifbarkeit ab. Zweitens können Angreifende manipulierte Inhalte in die Wissensbasis einschleusen, die das Modell zu vorbestimmten Ausgaben verleiten.

Hinzu kommt der Datenschutz. Sobald Personaldaten, Kundenakten oder Gesprächsprotokolle in die Wissensbasis fließen, gelten die Grundsätze der DSGVO. Was das für Ihre Werkzeuge heißt, behandelt die Seite zu KI und Datenschutz auf kiagentensicherheit.de. Wer Daten auf eigenen Servern halten will, prüft ein System auf eigener Hardware.

• Die KI kennt nur, was dokumentiert ist. Das Wissen in den Köpfen fehlt ihr.
• Wer ein Dokument nicht sehen darf, darf auch die Antwort daraus nicht sehen.
• Veraltete Handbücher liefern veraltete Antworten, nur schneller.

Gibt es eine Norm für Wissensmanagement?

Ja. ISO 30401 „Knowledge management systems: Requirements“ stammt aus dem Jahr 2018. Sie legt Anforderungen und Leitlinien fest, um ein Managementsystem für Wissensmanagement einzuführen, zu betreiben, zu überprüfen und zu verbessern, und gilt für Organisationen jeder Art und Größe. Laut BSI Group dient sie internen und externen Stellen als Grundlage für Audits und Zertifizierungen.

Die Fassung von 2018 ist laut BSI Group in Überprüfung, das zuständige ISO-Komitee TC 260 führt eine Neufassung als Entwurf. Den Normtext selbst gibt es nur kostenpflichtig. Aufbau, Zertifizierung und eine Prüfliste für kleinere Betriebe beschreibt die Seite zur ISO 30401.

Für ein mittelständisches Unternehmen ist eine Zertifizierung selten der erste Schritt. Die Gliederung der Norm hilft trotzdem als Prüfliste: Gibt es eine Verantwortung in der Leitung, ein Ziel, eine regelmäßige Bewertung?

Wie führen Sie Wissensmanagement im Unternehmen ein?

Der ProWis-Leitfaden schlägt fünf Phasen vor und empfiehlt, sie als wiederkehrenden Zyklus zu wiederholen. Vorher sollten Leitung und Führungskräfte überzeugt sein und eine benannte Person das Projekt leiten. Die Schritte unten folgen diesen Phasen und ergänzen, wo KI ins Spiel kommt.

Ein Beispiel zur Orientierung: Ein Maschinenbauer mit vielen Servicehandbüchern beginnt bei der Frage, welche Störungen der Service am häufigsten telefonisch klärt. Diese Fälle werden als kurze Artikel aufgeschrieben, bevor eine KI darauf zugreift. Wie die Ablage technisch entsteht, beschreibt der Leitfaden Wissensdatenbank aufbauen auf kiwissensdatenbank.de.

Für die Bewertung nennt der Leitfaden das Debriefing mit drei Fragen: Was ist gut gelaufen? Was ging schief und was waren die Gründe? Was können wir künftig besser machen? Sobald eine KI-Suche im Einsatz ist, kommt eine vierte hinzu: Welche Fragen blieben unbeantwortet, weil das Wissen nirgends aufgeschrieben war? Diese Liste ist der Arbeitsauftrag für die nächste Runde.

Wo Sie in Ihrem Betrieb am besten anfangen, klären Sie am schnellsten im Gespräch: Wissensmanagement für Ihr Unternehmen besprechen.

1. Initialisierung

   Ziel, Bereich und verantwortliche Person festlegen. Ein Geschäftsprozess reicht für den Anfang.

2. Analyse

   Erheben, wo Wissen fehlt, wer es hat und in welchen Ablagen es liegt. Doppelte und veraltete Dokumente markieren.

3. Ziele und Lösungen

   Methoden wählen: Gespräche und Debriefings für implizites Wissen, eine gepflegte Ablage für dokumentiertes Wissen.

4. Umsetzung

   Inhalte aufbereiten, Zugriffsrechte übernehmen, KI-Suche für eine Pilotgruppe freischalten.

5. Bewertung

   Prüfen, welche Fragen die KI falsch oder gar nicht beantwortet hat, und daraus die nächste Runde planen.

Häufige Fragen