Mittlerweile hat fast jedes Unternehmen irgendein KI-Tool. ChatGPT Enterprise, Microsoft Copilot, Langdock, Google Gemini. Die Lizenzen sind eingekauft, die Mitarbeitenden geschult und ongeboardet. Und trotzdem kommt bei vielen nur generischer Kram raus, wenn mit der KI gearbeitet wird.

Dann tauchen die Fragen auf: Haben wir das falsche Tool? Brauchen wir bessere Prompts? Bessere Modelle? Gibt es irgendwas, was wir anders machen können?

Wir haben im letzten Jahr über 40 KI-Einführungen begleitet. Toolauswahl, Rollout, Weiterbildung, das volle Programm. Und was wir dabei gelernt haben: Das Problem ist fast nie das Tool oder die Anwendung. Es ist fehlendes Kontext-Management. Die KI weiß schlicht nichts über das Unternehmen, in dem sie arbeitet.

Warum ein SharePoint kein Knowledge Management ist

Die erste Reaktion, die wir häufig hören: "Wir haben ja schon unseren SharePoint angeschlossen." Oder das Google Drive. Oder Confluence. Alle großen KI-Plattformen haben mittlerweile Integrationen und Plugins, um externe Wissensquellen anzubinden. Das stimmt. Aber wenn wir das machen, binden wir in vielen Fällen einen Datenfriedhof an.

Da liegen drei Jahre alte, fünf Jahre alte PDFs und Excel-Dateien neben den aktuellen Dokumenten, die wir eigentlich brauchen. Unterschiedliche Versionen desselben Dokuments, ohne dass klar ist, welche die aktuelle ist. Der KI fällt es schwer, hier zu priorisieren und die richtigen Dokumente zu finden. Da ist in den letzten Jahren einfach wenig Datenpflege gemacht worden, und da nimmt sich niemand von uns aus. Dafür hat keiner Lust oder Zeit, jede Woche zu schauen, was eigentlich alles im Shared Drive liegt.

Aber es ist wichtig, dass wir das jetzt mit KI angehen. Und es muss keine Rocket Science sein.

Die Analogie des neuen Mitarbeiters

Man kann sich einfach vorstellen, wie sich ein neuer Mitarbeiter im Unternehmen einfügt. Tag eins: top motiviert, kompetent, will loslegen. Und wir sagen: "Hier ist dein Laptop. Viel Erfolg." Kein Onboarding, keine Einarbeitung, keine Informationen über Kunden, Prozesse oder Kultur.

Genau das machen wir häufig mit KI, wenn das Thema Kontext-Management noch nicht im Griff ist. Die KI kann nicht wissen, wer unsere Kunden sind. Was letzte Woche im Sales Call besprochen wurde. Was unsere Ziele für das Quartal sind. Jeder Mitarbeitende, der vor dem KI-Tool sitzt, fängt in jedem Chat, mit jedem Prompt wieder von vorne an. Das funktioniert einfach nicht, um gute Ergebnisse zu erzielen.

Das Tool ist die Basis, aber ohne Kontext ist es ein teurer Chatbot, der nichts über die Firma weiß. Und leider reicht es nicht, einfach nur ein Laufwerk anzuschließen.

Drei Stufen zum Unternehmenskontext

Zum Glück muss das kein Forschungsauftrag werden. Man kann das Problem Kontext-Management in drei Stufen lösen: Aufzeichnen, Verdichten und systematisch Verfeinern.

Stufe 1: Aufzeichnen

Bei uns wird jedes Meeting aufgezeichnet. Früher mit Tools wie Fathom oder Fireflies, heute geht das auch sehr gut integriert in Microsoft Teams oder Google Meet.

Vor ein paar Jahren war das noch ein Riesenthema, als diese Tools aufkamen. Der Vertrieb war eine der Branchen, in denen das als erstes flächendeckend gemacht wurde, und damals war es noch unangenehm. Gesprächspartner wollten das häufig nicht, Vertriebsmitarbeiter haben sich kontrolliert gefühlt. Mittlerweile merken wir seit gut einem Jahr, dass alle Gesprächspartner eigentlich dankbar sind, wenn wir die Gespräche transkribieren. Jeder hat kapiert: Ich kann diese Transkripte in die KI schmeißen, muss mir nicht mehr alles im Meeting merken und kann mich auf die Gesprächsführung konzentrieren.

Aber dieses Thema Meeting-Aufzeichnen zerfällt schnell bei Unternehmen, die nicht komplett remote oder digital arbeiten. Es gibt Meetings in Besprechungsräumen, bei externen Partnern, schlimmstenfalls physische Meetings vor Ort. Dann müsste man das Mobilgerät auf den Tisch legen und um Konsens bitten, dass aufgezeichnet wird. Da scheuen viele noch zurück, und verlieren wichtige Informationen.

Trotzdem: Kulturell hier einmal anzusetzen im Unternehmen ist extrem wichtig. In den Meetings liegt das Datengold jedes Unternehmens. Weeklies und Dailys mit dem Team, Kundengespräche, Management Meetings.

Stufe 2: Verdichten

Wenn wir jetzt alles aufzeichnen, haben wir eine Menge Daten. Was machen wir damit?

Nicht jedes Meeting muss per Video aufgezeichnet werden. Die meisten Meetings kann man einfach transkribieren lassen, das ist ausreichend gut und eine wesentlich kleinere Datei. Trotzdem tauchen da massiv viele Transkripte auf. Und wenn wir die alle unsortiert einfach ablegen lassen, steht die KI wieder vor demselben Problem: ein Haufen Daten und kein Wissen, was relevant ist.

Der entscheidende Schritt: Die abgelegten Daten automatisiert von KI-Agenten verdichten lassen. Nicht einfach nur das Summary vom Transkriptions-Tool nehmen, sondern intelligenter aufbereiten. In einem Meeting gibt es vielleicht relevante Informationen für den Vertrieb, fürs Marketing, für die Personalabteilung und für das Management. Das bedeutet, dass unterschiedliche KI-Agenten auf diese Transkripte zugreifen und Informationen herausziehen für die verschiedenen Stakeholder im Unternehmen. Die einen schreiben es in Wissensdokumente, die anderen tragen es in Datenbanken ein, wieder andere pushen relevante Updates als Chat-Nachricht in Slack oder Teams.

Stufe 3: Systematisch verfeinern

Die Dokumente sind verdichtet und abgelegt. Jetzt kommt der Teil, den die wenigsten machen: Wissensdokumente als Living Documents kontinuierlich aktualisieren.

Bei uns gibt es ein Dokument namens Company Memory. Ein One-Pager über das Unternehmen: Wer sind wir, was machen wir, was ist der Schwerpunkt, wie viele Mitarbeiter, wer ist wofür verantwortlich. Es ist ein relativ zeitlich stabiles Dokument, das trotzdem einmal die Woche ein Update bekommt. Im Prinzip das Mitarbeiterhandbuch, das jeder KI-Agent bei uns bekommt, damit immer klar ist, in welchem Kontext man steht.

Daneben gibt es den Company Pulse. Ein wöchentlicher Snapshot, der immer festhält, was in dieser Woche im Unternehmen passiert ist. Welche Entscheidungen getroffen wurden, wie es im Vertrieb läuft, was es für Neuerungen gibt. Freitagabends, wenn alle Meetings abgeschlossen sind, läuft automatisch ein Workflow: Transkripte der Woche einsammeln, gegen den letzten Pulse und das Memory abgleichen, aktualisieren, und eine Summary an Slack schicken.

Ein wichtiger Punkt, den viele unterschätzen: Auch mal löschen. Wenn Informationen nicht mehr aktuell sind, dann sind sie eine schlechte Wissensquelle für die KI. Da braucht man ein bisschen Mut. Wenn eine Entscheidung überholt ist, darf das Dokument und die KI diese Information auch vergessen. Nicht noch ein Archiv aufmachen, wo alles nochmal vorgehalten wird, "weil man ja vielleicht noch mal braucht". Ruhig auch mal was löschen.

Kein Rocket Science

Diese Automationen sind relativ simpel. Ob man das in Langdock, in Make, in n8n, in ChatGPT oder Microsoft Copilot umsetzt, ist im Grunde egal. Das Grundprinzip ist überall gleich: Meetings aufzeichnen, zentral ablegen, verdichten, daraus Wissensdokumente anlegen, die jede Woche aktualisiert werden und dann Agenten als Quelle gegeben werden.

Das ist viel besser, als wenn man einen Agent baut und in Form von PDFs oder Dokumenten hart codiert Wissen reinlädt, das nächste Woche nicht mehr aktuell ist. Ein Drive-Ordner oder einzelne Dokumente mit dem Agenten verknüpfen, und der hat auch immer die aktuellsten Informationen.

Einordnung

Es geht nicht darum zu sagen, dass das Tool völlig egal ist oder die Modelle keine Rolle mehr spielen. Es ist genauso wichtig, dass Mitarbeitende trainiert sind und wissen, wie sie die KI benutzen. Aber um KI wirklich produktiv einzusetzen und richtig gute Ergebnisse zu erzielen, hat eben ganz viel mit dem Thema Kontext-Management zu tun.

Da reicht es nicht, einfach nur ein SharePoint oder ein Google Drive anzubinden und die Pflicht ist getan. Wir müssen uns Gedanken darüber machen: Welche Informationen stehen in diesem System überhaupt zur Verfügung? Wie bauen wir diese Dokumente systematisch auf, halten sie aktuell und geben sie der KI in einer Form, die sie gut verarbeiten kann?

Es gibt durchaus kulturelle Einschränkungen. Nicht alle Unternehmen sind einverstanden damit, alle Informationen aufzuzeichnen und zentral verfügbar zu machen. Auch unter Mitarbeitenden gibt es einen Change-Prozess, den man begleiten muss, weil es eine andere Art zu arbeiten ist: transparenter und kollaborativer. In mittelgroßen bis großen Unternehmen geht das nicht immer ganz von alleine.

Aber es lohnt sich. Das ist der größte Hebel, den wir aktuell sehen, um KI wirklich auf das nächste Level zu bringen. Nicht das bessere Modell, nicht der bessere Prompt. Sondern die Grundlagenarbeit, die dafür sorgt, dass das System weiß, wovon es redet.