Wissen als Rohstoff: KI-Einsatz ohne Hype

Strategiewerkstatt-Podcast mit Patrick Günter

Wissensmanagement KI-Strategie Entscheidungsfindung Kulturwandel Prozessoptimierung

Das Problem

In deutschen Unternehmen steht die Transformation durch KI vor der Herausforderung, dass das vorhandene Expertenwissen oft unstrukturiert, fragmentiert und schwer zugänglich ist. Dabei gehen in den kommenden zehn Jahren rund 20 Millionen Erwerbstätige in den Ruhestand, was den Verlust von langjährigem Fachwissen verstärkt. Gleichzeitig wird der Druck erhöht, das verfügbare Wissen systematisch zu nutzen – ohne sich in Hypes über neue KI-Modelle zu verlieren.

Die wichtigsten Erkenntnisse

Wissen ist ein strategischer Rohstoff, der systematisch gesammelt, strukturiert und zugänglich gemacht werden muss, um KI effektiv einzusetzen.
Die Entscheidung, wo KI eingesetzt wird, richtet sich danach, welche Wissensinhalte den Unternehmenswert beeinflussen.
Die Anzahl der Parameter in KI-Modellen ist kein Maßstab für Effektivität – selbst kleine, lokale Modelle auf dem eigenen Laptop können wertvolle Ergebnisse liefern, wenn sie auf qualitativ hochwertigem Wissen basieren.
Die Verwendung von KI-Modellen erfordert eine klare Governance, Struktur und Validierung, um sicherzustellen, dass die Ergebnisse verlässlich und unternehmenswert sind.
Die Herausforderung besteht darin, vorhandenes Wissen aus unterschiedlichen Quellen wie Chat-Protokollen, SharePoint oder Netzlaufwerken zu finden und nutzbar zu machen.
Der Erfolg von KI hängt weniger von der Größe der Modelle ab als von der Qualität und Verfügbarkeit des zugrundeliegenden Wissens.
Die Nutzung von Wissensmanagement-Ökosystemen beschleunigt die Bearbeitung von Kundenanfragen um bis zu 90 Prozent, weil Mitarbeiter schnell auf bereits vorhandenes, strukturiertes Wissen zugreifen können.

Zahlen aus der Folge

90 Prozent schneller — 90 Prozent schneller — Geschwindigkeitssteigerung bei Kunden durch die Nutzung des Wissensmanagement-Ökosystems von Empolis
30 Jahre — 30 Jahre — Dauer des Expertenwissens eines Mitarbeiters in der Abteilung des Gastes
70 Milliarden — 70 Milliarden — Anzahl der Parameter in großen, öffentlichen KI-Modellen, die der Gast als Vergleich für sein eigenes lokales System verwendet
140 Milliarden — 140 Milliarden — Anzahl der Parameter in großen, öffentlichen KI-Modellen, die der Gast als Vergleich für sein eigenes lokales System verwendet
8 Milliarden — 8 Milliarden — Anzahl der Parameter in einem lokalen KI-Modell, das der Gast auf seinem Laptop betreibt
14 Milliarden — 14 Milliarden — Anzahl der Parameter in einem lokalen KI-Modell, das der Gast auf seinem Laptop betreibt

Häufige Fragen

Wie kann man vorhandenes Expertenwissen systematisch erfassen, wenn es über Jahre in verschiedenen Systemen verteilt ist?

Durch die Schaffung eines zentralen Wissensmanagementsystems, das verschiedene Quellen wie Teams-Chats, Sharepoint, Netzlaufwerke und andere interne Kommunikationskanäle integriert. Die Strukturierung und Validierung des Wissens ist dabei entscheidend, um es nutzbar zu machen.

Ist es sinnvoll, große öffentliche KI-Modelle mit mehreren Milliarden Parametern zu verwenden, wenn lokale Modelle auf dem eigenen Laptop ausreichen?

Nicht automatisch. Große Modelle verbrauchen viel Rechenleistung und sind oft überdimensioniert. Lokale Modelle mit etwa 8 bis 14 Milliarden Parametern können in spezifischen Anwendungsfällen effizienter sein, wenn sie auf gut strukturiertem, qualitativ hochwertigem Wissen trainiert sind.

Wie kann man sicherstellen, dass KI-Systeme tatsächlich im Unternehmen ankommen und nachhaltigen Nutzen stiften?

Durch eine klare Fragestellung wird sichtbar, wo KI tatsächlich Mehrwert schafft: dort, wo sie spezifisches Wissen aus Daten gewinnt, das entscheidende Entscheidungen unterstützt. Dafür sind klare Strukturen, Zugänglichkeit und Governance notwendig.

Kurz-Ausschnitte

KI-Modelle: Verstehe die Struktur für langfristigen Profit #shorts · 776 Views
Mitarbeiterzeitverlust: KI & Wissenstransfer lösen #shorts · 127 Views
KI: Menschen optimieren, Kosten senken, Kunden begeistern #shorts · 43 Views
KI & Knowledge Graphs: Die Zukunft intelligenter Systeme erklärt #shorts · 34 Views

▶️ Ganze Folge auf YouTube ansehen