KI-Wissensmanagement: Wissenstransfer im Unternehmen mit einem Chatbot

Das Problem: Wissen ist da, aber keiner findet es

Anna Graf, Innovation Lead für Web3 und Metaverse bei Arvato Systems/Bertelsmann, beschreibt eine Situation, die – so sagt sie – wirklich jeder aus dem Konzernalltag kennt: Irgendein Thema ergibt sich, und man weiß gerade überhaupt nicht weiter, und dann guckt man vielleicht noch im Intranet nach, findet es aber trotzdem nicht auf Anhieb. Das Wissen ist also da, ganz sicher, nur eben verteilt, schlecht auffindbar oder einfach an der falschen Stelle abgelegt.

Ihre Antwort darauf ist kein neues Such-Tool, sondern – und das ist ihr wichtig – ein Gesprächspartner: ein Chatbot, dem man jede beliebige Frage stellen kann, weil eben alle relevanten Themen schon eingeflossen sind. Und ganz entscheidend dabei, sagt Graf, ist die abgeschlossene Umgebung. Der Bot arbeitet also nicht mit dem offenen Internet, sondern ausschließlich mit unternehmenseigenen Inhalten – genau das soll Falschinformationen von draußen ausschließen.

Umgesetzt bei Bertelsmann Consumer Products

Naja, und das Ganze ist bei ihnen eben kein reines Zukunftsszenario, sondern bei Consumer Products, einem der Unternehmensbereiche, schon umgesetzt – der interne Chatbot läuft dort bereits. Sie ordnet das Ganze auch bewusst ein: als Teil der generativen KI, die im Unternehmen eben nicht als isolierte Einzellösung funktioniert, sondern eingebettet ist in einen größeren Prozess – einmal die Organisation, dann Ressourcen und Datenmanagement, und dann noch der laufende Einsatz mitsamt der Optimierung.

Der Kontrollmechanismus: Fehler werden sichtbar statt verschleiert

Witzigerweise, sagt Graf, findet man mit so einem Chatbot auch noch etwas ganz anderes heraus: nämlich wenn irgendwo in einer Folie ein Fehler steckt und die Antwort deshalb falsch rauskommt – und dann muss eben die Quelle nachgebessert werden. Genau darin sieht sie einen kleinen, aber ziemlich wirksamen Kontrollmechanismus. Statt dass falsches Wissen einfach unbemerkt im Intranet liegen bleibt, deckt der Chatbot es beim Beantworten auf, weil die Antwort dann sichtbar nicht stimmt.

Und der praktische Effekt, den sie beschreibt, ist letzten Endes ein doppelter: Man findet Sachen schneller, und man muss nicht mehr fünf Anrufe tätigen, nur um an eine einzige Information zu kommen. Das heißt für sie ganz klar Effizienz und Transparenz – den Leuten wird schneller geholfen, sie kommen schneller zu einer Lösung, und ganz nebenbei spart das allen Beteiligten Arbeitszeit.

Von der FAQ bis zum 24/7-Ansprechpartner: weitere Einsatzfelder

Und was gibt es noch, außer dem reinen Wissenstransfer? Graf zählt da einiges auf, wo dieselbe Logik einfach weitergedacht wird: einmal der klassische FAQ-Bot, der laut ihr immer besser und genauer wird, dann die Ansteuerung von Maschinen, und schließlich ein Ansprechpartner, der bei Großprojekten rund um die Uhr alle relevanten Informationen liefert.

• Interner Wissenstransfer: Ein Chatbot mit unternehmenseigenem Wissen, der Fragen beantwortet, die sonst mehrere Anrufe oder eine lange Intranet-Suche gekostet hätten.
• FAQ-Bot: Wird laut Graf kontinuierlich präziser und deckt Standardfragen zuverlässiger ab.
• Ansteuerung von Maschinen: Der Chatbot als Schnittstelle, die nicht nur informiert, sondern auch Prozesse anstößt.
• 24/7-Ansprechpartner bei Großprojekten: Ständige Verfügbarkeit für alle relevanten Informationen, ohne auf einzelne Personen angewiesen zu sein.

Ich glaube, wichtig ist dabei aber auch – und das formuliert Graf an anderer Stelle ganz ähnlich –, dass die KI im Unternehmen eher als Co-Pilot oder Assistent verstanden wird, und eben nicht als Ersatz. Der Mensch muss am Ende weiterhin kontrollieren, nichtsdestotrotz spart genau das eine Menge Zeit – und genau das zeigt sich am Kontrollmechanismus rund um die fehlerhaften Antworten ganz konkret.

Häufige Fragen