Das Wissen war also da. Es war nur schwer auffindbar.
Genau hier kann ein KI-gestützter Wissenszugriff interessant werden. Viele Dokumente oder langjährige Mitarbeitende allein sind dafür allerdings noch kein ausreichender Grund. Vor einer technischen Lösung würde ich fünf Fragen klären.
1. Welche konkrete Frage bindet heute Fachzeit?
„Wir müssen unser Wissen sichern“ ist mir als Ausgangspunkt zu abstrakt. Interessanter sind konkrete Situationen: Ein Servicetechniker sucht ein vergleichbares Fehlerbild. Der Vertrieb braucht eine frühere Sonderlösung für ein Angebot. Die Konstruktion möchte wissen, ob eine bestimmte Variante schon einmal umgesetzt wurde.
Solche Fragen lassen sich untersuchen.
Wie häufig treten sie auf? Wie lange dauert die Suche? Welche Personen werden dafür unterbrochen? Und was passiert, wenn die Information nicht oder erst spät gefunden wird?
Wenn eine Frage selten vorkommt und schnell beantwortet ist, braucht es dafür kaum ein neues System. Anders sieht es aus, wenn Fachkräfte regelmässig durch mehrere Ablagen und Projekte suchen oder immer wieder dieselben erfahrenen Kollegen fragen müssen.
2. Ist die relevante Erfahrung dokumentiert?
Ein System kann nur auf Informationen zugreifen, die irgendwo vorhanden sind.
Liegt die entscheidende Erfahrung ausschliesslich im Kopf einer Person, beginnt die Arbeit deshalb nicht mit KI. Dann muss zuerst geklärt werden, welches Wissen überhaupt festgehalten werden sollte und wie das sinnvoll geschehen kann.
In Industriebetrieben können relevante Hinweise zum Beispiel in Wartungsaufträgen, Serviceberichten, Reklamationen, Projektunterlagen oder technischen Notizen stehen.
NIST beschäftigt sich genau mit dieser Herausforderung: Menschlich erzeugtes Wissen in der Fertigung liegt häufig in textbasierten und uneinheitlichen Quellen. Fachsprache, unterschiedliche Formate und fehlender Kontext erschweren die Nutzung dieser Informationen im Arbeitsalltag.
Auch die Qualität der Quellen spielt eine Rolle. Eine grosse Dokumentenmenge hilft wenig, wenn unklar ist, welche Version gilt oder ob die Information noch aktuell ist.
3. Lässt sich die Antwort fachlich nachvollziehen?
Bei technischem Wissen würde ich keine Antwort verwenden, deren Herkunft nicht erkennbar ist.
Ein brauchbarer Wissenszugriff sollte deshalb nicht nur einen Text liefern, sondern auch zeigen, worauf er sich stützt.
Die Fachperson muss nachvollziehen können: Aus welchem Dokument stammt die Information? Für welche Maschine oder Produktgeneration galt sie? Wie alt ist die Quelle? Gibt es inzwischen eine neuere Freigabe?
Damit bleibt die fachliche Bewertung beim Menschen.
Die KI kann helfen, schneller zu den relevanten Stellen zu kommen. Ob eine frühere Lösung auch für den aktuellen Fall passt, muss weiterhin jemand beurteilen, der den technischen Zusammenhang versteht.
Für mich liegt genau darin der Nutzen: weniger Zeit für die Suche, mehr Zeit für die eigentliche Beurteilung.
4. Sind Quellen und Zugriffe sauber geregelt?
Vor einem Pilot würde ich festlegen, welche Quellen eingebunden werden und wer welche Informationen sehen darf.
Kundeninformationen, Preise, Konstruktionsdaten oder projektspezifische Unterlagen gehören nicht automatisch in denselben Suchraum.
Genauso wichtig ist die Rolle der bestehenden Systeme. ERP, PLM, DMS, Ticketing oder Dateiablagen bleiben die führenden Quellen, wenn sie diese Aufgabe heute bereits erfüllen.
Ein zusätzliches Wissenssystem sollte daraus keine neue Parallelwelt machen.
Die praktische Frage ist deshalb nicht nur, ob sich Dokumente technisch anbinden lassen. Es muss auch klar bleiben, woher eine Information stammt, wie aktuell sie ist und wer darauf zugreifen darf.
5. Ist der Aufwand gross genug?
Ob sich ein solcher Ansatz lohnt, hängt nicht von der Zahl der Dokumente ab. Entscheidend ist der Aufwand, der heute entsteht, um an die richtige Information zu kommen.
Für eine erste Einschätzung reichen wenige Angaben:
- Wie häufig treten vergleichbare Fragen auf?
- Wie viel Zeit geht für Suche und Rückfragen verloren?
- Welche Fachpersonen werden regelmässig dafür gebraucht?
- Entstehen Wartezeiten oder Nacharbeit?
Auch der demografische Kontext kann dabei eine Rolle spielen. Swissmem weist in seinem Positionspapier 2026 auf die Altersstruktur und rückläufige Lernendenzahlen in der Tech-Industrie hin und rechnet in den kommenden Jahren nicht mit einer Entspannung beim Fachkräftemangel.
Für Unternehmen kann es deshalb wichtiger werden, vorhandenes Wissen so zugänglich zu halten, dass es nicht nur von einzelnen Personen abhängt.
Das ist trotzdem noch kein Grund, sofort ein KI-Projekt zu starten.
Für einen ersten Test würde ich einen kleinen, klar abgegrenzten Bereich wählen: eine Produktfamilie, einen bestimmten Servicetyp oder eine wiederkehrende technische Frage.
Dann lässt sich mit vorhandenen Unterlagen prüfen, ob relevante Informationen zuverlässig gefunden werden, ob die Quellen nachvollziehbar bleiben und ob die Fachpersonen tatsächlich weniger Zeit für die Suche benötigen.
Bei CoreGrowth gilt dabei: „Bestehendes Wissen zuerst nutzbar machen, bevor neues Wissen erzeugt wird.“
Wenn eine bessere Ablage, vorhandene Suchfunktionen oder klarere Dokumentation das Problem bereits lösen, reicht das. Bleibt danach ein wiederkehrender und relevanter Suchaufwand bestehen, kann ein KI-gestützter Wissenszugriff der nächste sinnvolle Schritt sein.
Ist Ihr Erfahrungswissen vorhanden, aber schwer auffindbar?
Ich prüfe zuerst, welche Fragen heute Fachzeit binden, wo die relevanten Informationen liegen und was Ihre bestehenden Systeme bereits leisten.
In 15 Minuten lässt sich meist klären, ob sich eine genauere Prüfung lohnt.