Use Case: Das lebende Wissenssystem – Dokumente alleine reichen nicht

In diesem Newsletter soll es um ein konkretes Kundenprojekt gehen. Diesen Winter durfte ich bei einer grösseren Versicherungsagentur ein KI-gestütztes Wissensmanagementsystem aufbauen. Die Ausgangslage war eine, die sicher viele kennen:

• Wissen verteilt über Dokumente, Ordner und Köpfe 📁 📄 🧠

• Oft Unklarheit, wer intern für welches Thema Ansprechperson ist

• Mitarbeitende fragen bei der falschen Person nach oder stellen dieselbe Frage zum dritten Mal

Das Ziel war also nicht nur ein zentrales Wissensmanagement-System, sondern eines, das das implizite Wissen der internen Experten aktiv einbindet und dauerhaft erhält.

Zwei Wissensebenen als Kern

Was wir konzeptioniert und aufgesetzt haben, kombiniert bewusst zwei Arten von Wissen.

Ebene 1: Statisches Dokumentenwissen wie Produktbeschreibungen, interne Richtlinien, AGBs etc. Das bildet die Basis. Übrigens: Keine Kundendaten oder aktive Verträge, diese bleiben strikt in anderen Systemen.

Ebene 2: Dynamisches Expertenwissen. Also das, was nirgendwo steht. Das „eigentlich müsste man dazu noch wissen, dass…"-Wissen. In vielen KMU die wertvollste und gleichzeitig fragilste Ressource, weil es an einzelne Personen gebunden ist.

Die aufgesetzte Lösung verbindet beide Ebenen und wird unkompliziert in Slack genutzt:

Und so läuft es im Alltag ab

1️⃣ Initiale Frage: Mitarbeitende stellen ihre Fachfrage in einem spezifischen Slack-Kanal

2️⃣ Wissensdatenbank: Das RAG-System (aufgesetzt mit Dify) liefert auf Basis hinterlegter Dokumente automatisiert eine Erstantwort.

3️⃣ Experten-Involvierung: Gleichzeitig werden durch ein kurzes KI-Matching die internen Experten zu genau dieser Frage identifiziert. Auf Wunsch können diese dann markiert und damit benachrichtigt werden.

4️⃣ Validierung & Ergänzung: Die Experten ergänzen, korrigieren, reichern mit Kontext an; also dem Wissen, welches nicht formal hinterlegt ist.

5️⃣ Feedback-Loop 🧠 Wird eine Expertenantwort als wertvoll markiert (via Emoji), fliesst sie automatisch als Frage/Antwort-Paar zurück in die Wissensdatenbank und ist sofort wieder abrufbar.

Die Experten sind kein nettes Add-on. Sie sind zentrales Korrektiv und Additiv. Ohne sie bleibt das System auf dem Stand der letzten Dokumentenablage bzw. ohne das so wichtige "informelle Wissen".

👉 Hier zeige ich die Automatisierung im Hintergrund:

Technisches Setup: Slack · Dify · Google Workspace · Make.com

Warum der Feedback-Loop entscheidend ist

Ein klassisches Wissensmanagementsystem altert. Kaum jemand hat Zeit, es zu pflegen. Und wenn per Default alle Dokumente einfliessen, "vermüllt" das System und die Antworten werden im besten Falle schwammig.

Dieses aufgesetzte System wächst im normalen Arbeitsalltag. Implizites Wissen wird durch echte Fragen und Expertenantworten sichtbar. Und es bleibt dauerhaft erhalten, auch wenn die Person irgendwann das Unternehmen verlässt.

👉 Details zum dahinterliegenden RAG-System bei Dify

Was ich daraus mitnehme

Reines Dokumentenwissen reicht in den wenigsten Fällen. Genau daran scheitern die meisten statischen Wissensmanagementsysteme im Alltag. Sie bilden ab, was mal aufgeschrieben wurde, aber nicht das, was die Leute wirklich wissen.

Es braucht die Kombination: strukturierte Dokumente als Basis, und Experten als lebendiges Korrektiv, das ergänzt, korrigiert und aktuell hält.

Und dann gilt wie immer: Der Aufwand liegt nicht in der Technologie. Er liegt darin, den Prozess so zu bauen, dass er im Alltag tatsächlich genutzt wird. Das ist letztlich immer die eigentliche Arbeit. 🤝

Den vollständigen Case findet ihr hier auf meiner Website 🔗

📬 Den Newsletter gibt's jeweils auch auf LinkedIn unter: https://linkedin.com/newsletter