Generative KI hat große Auswirkungen darauf, wie Unternehmen ihr Wissen managen und teilen. Ob in der Betreuung, der Verwaltung oder der Logistik: Semantische Suche und KI-gestützte Systeme steigern die Effizienz, schließen Wissenslücken und helfen, Entscheidungsprozesse zu verbessern. Drei Praxisbeispiele für ein bessere Wissensmanagement – von Specialsitter, einer Landesbehörde und der Deutschen Bahn – machen die Potenziale der Technologie in der Praxis sichtbar.

Unternehmenswissen ist eine der wertvollsten Ressourcen, doch viele Organisationen tun sich schwer, das Potenzial voll auszuschöpfen. Informationen bleiben oft in isolierten Datensilos einzelner Abteilungen verborgen, was den Wissensaustausch und die Zusammenarbeit erheblich erschwert. Verlassen erfahrene Mitarbeitende das Unternehmen, entstehen Wissenslücken, da wertvolle Kenntnisse nicht dokumentiert oder weitergegeben wurden. Häufig fehlt eine Unternehmenskultur, die den Austausch und die Dokumentation von Wissen aktiv fördert. Hinzu kommt die tägliche Informationsflut, bei der Mitarbeitende damit kämpfen, die wirklich relevanten Informationen herauszufiltern.

Generative KI hat das Potenzial, diese Hürden zu überwinden. Sie macht Wissen genau dort verfügbar, wo es gebraucht wird – sei es in der Dokumentation, im Onboarding oder in der täglichen Zusammenarbeit. Wie schnell die Transformation verläuft, zeigen die Ergebnisse der aktuellen Sopra-Steria-Studie „Disruptive Potenziale: Wie generative KI neue Geschäftsmodelle definiert“. Sechs von zehn der befragten Entscheider sind der Meinung, dass der Einsatz der neuen Technologie in den nächsten drei Jahren das Wissensmanagement verändern wird.

Semantische Suche in der Wissensrecherche

Heute nutzen Unternehmen überwiegend traditionelle Suchsysteme, wie sie in Betriebssystemen wie Windows oder in internen Wikis und Intranets üblich sind. Diese Systeme stoßen bei einer Fülle von Informationen oft an ihre Grenzen und liefern nur begrenzt relevante Ergebnisse. Generative KI kann dieses Problem lösen, indem sie den inhaltlichen Zusammenhang von Suchanfragen besser erfasst.

Im Gegensatz zu herkömmlichen Systemen versteht eine semantische Suche den Sinn einer Anfrage und liefert kontextbezogene Ergebnisse, auch wenn die exakten Begriffe nicht übereinstimmen. Ergänzt durch Chatbots mit einem natürlichsprachlichen Interface, wird die Wissensrecherche noch intuitiver. Mitarbeitende können Fragen in Alltagssprache stellen und erhalten präzise Antworten samt Quellenangaben. Aufwändige manuelle Recherchen entfallen und relevantes Wissen wird auf Knopfdruck verfügbar – schnell, übersichtlich und nutzerfreundlich.

Bislang erwarten nur 40 Prozent der befragten Entscheider, dass sich durch GenAI die Zusammenarbeit auf zwischenmenschlicher, technischer und organisatorischer Ebene ändern wird, zeigen die Studienergebnisse.

Ein Blick auf ausgewählte Anwendungsbeispiele bei einem Dienstleister und in der öffentlichen Verwaltung verdeutlicht jedoch, wie diese Technologie die Effizienz steigern kann.

Wissenssuche bei Specialsitter: wie GenAI ein Unternehmens-Wiki optimiert

Specialsitter, ein stark wachsender Anbieter von Assistenz- und Betreuungsdiensten für junge Menschen mit Handicap, stand vor einer Herausforderung: Das Unternehmens-Wiki, das als zentrale Informationsquelle für die Fachkräfte dient, war durch sein Wachstum zu umfangreich geworden. Die Mitarbeitenden hatten Schwierigkeiten, relevante Informationen über eine einfache schlagwortbasierte Suche zu finden. Diese Ineffizienz beeinträchtigte vor allem das Onboarding neuer Mitarbeitender und führte zu zeitaufwändigen Rückfragen bei den Kolleginnen und Kollegen.

Um die Wissenssuche zu verbessern, implementierte Specialsitter mithilfe von Sopra-Steria-Experten eine GenAI-basierte Lösung. Im Zentrum steht eine Web-Anwendung, die wie ein Chatbot funktioniert. Mitarbeitende können ihre Fragen in natürlicher Sprache eingeben. Die KI durchsucht die Daten und liefert faktenbasierte Antworten, indem sie ausschließlich auf die vorhandenen Quellen zurückgreift. Diese Vorgehensweise – bekannt als Retrieval Augmented Generation (RAG) – minimiert das Risiko von Fehlinterpretationen oder sogenannten „KI-Halluzinationen“. Fragen, die mit den verfügbaren Daten nicht beantwortet werden können, werden transparent als solche gekennzeichnet.

Die Antwort selbst ist kein einfacher Auszug aus einem Dokument, sondern wird auf Basis aller verfügbaren Daten formuliert. Dieses Vorgehen stellt sicher, dass Mitarbeitende präzise und umfassende Informationen erhalten. Sie können nun Fragen wie „Welche Regelungen gibt es für Teammeetings?“ eingeben und erhalten in Sekundenschnelle eine umfassende Antwort samt Quellenangaben. Dieses effiziente Frage-Antwort-System steigert nicht nur die Produktivität, sondern gewährleistet auch eine gleichbleibend hohe Betreuungsqualität an allen Standorten.

Wissensmanagement in der öffentlichen Verwaltung

Nicht nur Unternehmen, sondern auch die öffentliche Verwaltung sucht nach Wegen, Wissen effizienter zu verwalten. In einer Landesbehörde wird generative KI genutzt, um große Mengen an Parlamentsdaten – wie kleine Anfragen – zu durchsuchen. Ziel ist es, die Arbeit der Verwaltung zu erleichtern, indem relevante Informationen schneller und präziser bereitgestellt werden. Auch dieses Suchsystem basiert auf einem Large Language Model (LLM), das ausschließlich auf die vorhandenen Quellen zurückgreift und das Risiko von Fehlinterpretationen verhindern soll. Ein zusätzliches Feature: Das System erleichtert nicht nur die Recherche, sondern unterstützt auch bei Textaufgaben wie Zusammenfassungen und Umformulierungen. Durch diese vielseitige Funktionalität sparen die Mitarbeiter in der Verwaltung Zeit, die sie für andere Tätigkeiten nutzen können.

Wie die Deutsche Bahn durch generative KI interne Prozesse optimiert

Auch die Deutsche Bahn setzt generative KI gezielt ein, um ihre internen Prozesse zu optimieren. Ein zentraler Anwendungsfall ist die Verwaltung umfangreicher Regelwerke, die teilweise bis zu 1.000 Seiten umfassen. Diese Dokumente enthalten sicherheitskritische Vorgaben für Betrieb, Wartung und Bordservice. Mit der maßgeschneiderten Lösung „BahnGPT“ wurde eine Plattform geschaffen, die Mitarbeitenden schnellen Zugriff auf relevante Informationen bietet.

Durch die Implementierung eines speziell angepassten Sprachmodells im Backend können Anfragen in natürlicher Sprache gestellt werden. Die Antworten basieren ausschließlich auf freigegebenen und geprüften Quellen, was die Einhaltung von Datenschutz- und Sicherheitsstandards gewährleistet. Dank der semantischen Suche und der Fähigkeit der KI, komplexe Anfragen zu verarbeiten, wird der Alltag für Mitarbeitende in der Informationssicherheit, im technischen Support und im operativen Betrieb erheblich erleichtert.

So war die Suche in den Regelwerken vor der Einführung von BahnGPT oft zeitaufwändig und fehleranfällig. Mit der neuen Lösung können Mitarbeitende nun in Sekundenschnelle präzise Antworten erhalten, ohne lange in Dokumenten suchen zu müssen. Dies führt nicht nur zu Zeitersparnis, sondern auch zu einer höheren Betriebssicherheit. Die Deutsche Bahn plant, die Technologie künftig auf weitere Anwendungsbereiche auszudehnen, um noch mehr Prozesse zu optimieren und die Qualität der Dienstleistungen zu steigern.

Fazit: modernes Wissensmanagement für bessere Entscheidungen

Generative KI verändert die Art und Weise, wie Unternehmen und öffentliche Verwaltungen Wissen organisieren und nutzen. Die Beispiele von Specialsitter, der Landesbehörde und der Deutschen Bahn zeigen eindrucksvoll, dass die Technologie nicht nur die Effizienz steigert, sondern auch die Qualität von Entscheidungen verbessern kann.

Von der semantischen Suche bis hin zu maßgeschneiderten Anwendungen wie BahnGPT eröffnet generative KI neue Wege, um Wissen gezielt und kontextbezogen bereitzustellen. Der Einsatz solcher Technologien

• minimiert den Aufwand für die Suche,
• reduziert Wissensverluste und
• steigert die Produktivität.

Die Erfahrungen aus der Praxis machen deutlich: Wer frühzeitig auf diese innovative Technologie setzt, kann sich einen entscheidenden Wettbewerbsvorteil sichern – sei es in der Wirtschaft oder in der öffentlichen Verwaltung.

Lesetipp der Redaktion: Wissensmanagement ist nur ein Bereich, in dem GenAI unterstützt. Die Technologie hat das Potenzial, Geschäftsmodelle zu transformieren. Wie die Umsetzung im Unternehmen gelingt und welche Rolle der Mensch dabei spielt, lesen Sie im Beitrag über Change-Agenten.