Vom Informationschaos zum Unternehmenswissen: Warum Wissen zur strategischen Infrastruktur wird

Mehr Information bedeutet nicht mehr Wissen

Ein typisches Unternehmen produziert jeden Tag neue Informationen.

Präsentationen entstehen in Projekten. Marktanalysen werden als PDF gespeichert. Kundenwissen landet im CRM. Teams diskutieren Entscheidungen in Meetings und Chats. Fachpersonen erstellen Excel-Dateien, Berichte und technische Dokumentationen. Dazu kommen Nachrichten, Studien, Patente, wissenschaftliche Publikationen und andere externe Quellen.

Technisch betrachtet ist vieles davon gespeichert.

Organisatorisch betrachtet ist ein erheblicher Teil davon nur eingeschränkt nutzbar.

Ein Mitarbeiter weiss möglicherweise, dass vor zwei Jahren bereits eine Marktanalyse durchgeführt wurde. Ein anderer weiss nicht einmal, dass sie existiert. Eine wichtige Entscheidung wurde in einer Präsentation dokumentiert, die Begründung dafür jedoch nur im Meeting diskutiert. Eine erfahrene Fachperson kennt die Ursachen früherer Projektprobleme, doch dieses Wissen befindet sich vor allem in ihrem Kopf.

Das ist der Unterschied zwischen Information besitzen und Wissen verfügbar machen.

Information, Wissen und Kontext sind nicht dasselbe

Für ein funktionierendes Wissensmanagement lohnt sich eine klare Unterscheidung.

Daten beschreiben einzelne Beobachtungen oder Werte.

Informationen entstehen, wenn Daten strukturiert und in einen Zusammenhang gebracht werden.

Wissen entsteht, wenn Informationen mit Erfahrung, Bedeutung und Kontext verbunden werden und dadurch für Handlungen oder Entscheidungen nutzbar werden.

Ein Umsatzrückgang von 12 Prozent ist ein Datenpunkt.

Die Erkenntnis, dass der Umsatz in einer bestimmten Kundengruppe zurückgeht, ist Information.

Das Verständnis, dass ein neuer Wettbewerber dort mit einem veränderten Geschäftsmodell Marktanteile gewinnt und dass das eigene Produktangebot deshalb angepasst werden sollte, ist Wissen.

Für Unternehmen ist diese letzte Ebene entscheidend.

Strategische Entscheidungen werden nicht auf Basis möglichst vieler Dokumente getroffen. Sie benötigen relevantes Wissen über Zusammenhänge.

Das Problem sind nicht nur Datensilos

In Diskussionen über Wissensmanagement wird häufig von Silos gesprochen. Das ist richtig, beschreibt aber nur einen Teil des Problems.

Wissen kann aus mehreren Gründen unsichtbar werden.

Gerade dieser letzte Punkt gewinnt an Bedeutung. APQC untersuchte 2025 gemeinsam mit eGain in einer globalen Befragung von 1'000 Organisationen die Folgen bevorstehender Pensionierungen. Die Untersuchung zeigt, dass Unternehmen das Risiko des Verlusts von institutionellem Wissen erkennen, viele jedoch noch keine ausgereiften Prozesse, Technologien und Wissensaustauschkulturen besitzen, um dieses Wissen systematisch zu sichern. [1]

Das Problem ist deshalb grösser als Dokumentenmanagement.

Es geht um die Frage, wie eine Organisation ihr Wissen über Personen, Systeme und Zeit hinweg erhalten kann.

Die versteckten Kosten des Suchens

Informationschaos verursacht selten eine einzelne grosse Rechnung.

Die Kosten verteilen sich über den gesamten Arbeitstag.

Eine Fachperson sucht nach einer früheren Präsentation. Ein Projektteam recherchiert etwas, das eine andere Abteilung bereits untersucht hat. Ein neuer Mitarbeiter versucht herauszufinden, warum ein bestehender Prozess so gestaltet wurde. Zwei Teams kaufen unabhängig voneinander dieselbe Marktstudie.

Ein häufig zitierter älterer McKinsey-Beitrag berichtete bereits 2011 auf Basis damaliger Untersuchungen, dass Wissensarbeiter einen erheblichen Teil ihrer Arbeitszeit mit der Informationssuche verbringen können. Die konkreten historischen Prozentwerte sollten nicht ungeprüft auf heutige Unternehmen übertragen werden. Das grundlegende Problem bleibt jedoch relevant: Freier Zugang zu immer mehr Informationsquellen garantiert noch keinen effizienten Zugang zum richtigen Wissen. [2]

Heute kommt eine zusätzliche Dimension hinzu.

Je mehr Systeme und Inhalte entstehen, desto schwieriger wird nicht nur die Suche. Auch die Frage nach der Verlässlichkeit gewinnt an Bedeutung.

• Welche Version ist aktuell?
• Wer hat die Information erstellt?
• Auf welcher Quelle basiert sie?
• Gilt sie noch?
• Wer ist dafür verantwortlich?

Ein modernes Wissenssystem muss deshalb mehr leisten, als Dokumente auffindbar zu machen.

Warum klassische Wissensablagen an ihre Grenzen kommen

Viele Knowledge-Management-Initiativen begannen mit einem nachvollziehbaren Gedanken:

"Wir brauchen einen zentralen Ort für unser Wissen."

Es wurden Wikis, Intranets, Dokumentenbibliotheken und Knowledge Bases aufgebaut.

Diese Systeme bleiben wichtig. Doch ein zentraler Speicher löst das Wissensproblem nicht automatisch.

Menschen müssen Informationen einpflegen. Inhalte müssen klassifiziert werden. Veraltete Dokumente müssen erkannt werden. Beziehungen zwischen Themen müssen hergestellt werden. Und Mitarbeiter müssen wissen, wonach sie suchen.

Genau hier verändert KI das Wissensmanagement.

Die APQC-Erhebung zu den Prioritäten 2025 zeigt, dass die Integration von AI und Smart Technology zur wichtigsten technologischen Priorität von Knowledge-Management-Teams geworden ist. Gleichzeitig betont APQC, dass gute Content-Strukturen weiterhin notwendig sind. Wenn Mitarbeiter mit unorganisierten Informationsbeständen kämpfen und nicht auf die richtigen Daten und Informationen zugreifen können, leidet auch die Entscheidungsqualität. [3]

KI ersetzt damit kein Wissensmanagement.

Sie erhöht vielmehr den Wert eines guten Wissensmanagements.

Von der Suche zum Verstehen

Die interessanteste Veränderung durch moderne KI liegt nicht darin, dass eine Suchmaschine bessere Treffer liefert.

Es verändert sich die Art, wie Menschen mit Unternehmenswissen interagieren können.

Statt:

"Wo liegt die Marktanalyse von 2024?"

kann die Frage künftig lauten:

"Welche Veränderungen im Markt haben wir in den letzten drei Jahren beobachtet und welche davon beeinflussen unser Produktportfolio?"

Dafür reicht eine Stichwortsuche nicht mehr.

Das System muss unterschiedliche Informationen finden, deren Bedeutung verstehen, Zusammenhänge herstellen und die Herkunft der Aussagen nachvollziehbar machen.

Deloitte nennt Search and Knowledge Management in seinem State of AI in the Enterprise 2026 ausdrücklich als einen der wichtigen Bereiche für Enterprise AI. Gleichzeitig wird Knowledge Management auch als Einsatzfeld mit hohem Potenzial für Agentic AI genannt. Die zugrunde liegende globale Studie umfasst 3'235 Führungskräfte aus 24 Ländern. [4]

Damit entwickelt sich Wissensmanagement von einer Ablagefunktion zu einer aktiven Infrastruktur für Wissensarbeit.

Unternehmenswissen braucht Beziehungen

Ein Dokument allein sagt wenig darüber aus, wie es mit anderen Informationen zusammenhängt.

Für Innovationsarbeit sind aber gerade diese Beziehungen interessant.

Diese Erkenntnisse verändern wiederum die Bewertung anderer Opportunities.

Wenn diese Elemente nur als einzelne Dateien gespeichert werden, bleibt ein grosser Teil ihres Werts verborgen.

Ein modernes Wissenssystem sollte deshalb nicht nur Inhalte verwalten, sondern Beziehungen zwischen ihnen sichtbar machen.

Die Forschung bewegt sich zunehmend in diese Richtung. Eine 2026 im Journal of Knowledge Management veröffentlichte Arbeit schlägt beispielsweise eine AI-gestützte Wissensarchitektur vor, die explizites Wissen, implizites Erfahrungswissen sowie Verhaltens- und kognitive Ebenen miteinander verbindet. Die Autoren beschreiben Wissenssysteme damit nicht mehr als statische Speicher, sondern als dynamische organisatorische Systeme. [5]

Für Unternehmen ist dieser Gedanke wichtiger als die konkrete technische Architektur.

KI braucht verlässliches Wissen

Mit generativer KI entsteht eine neue Versuchung:

Warum nicht einfach alle Unternehmensdokumente einer KI zugänglich machen und das Wissensproblem damit lösen?

Weil Zugriff allein nicht genügt.

Ein KI-System kann widersprüchliche, veraltete oder unvollständige Informationen sehr überzeugend zusammenfassen. Wenn die zugrunde liegenden Inhalte schlecht gepflegt sind, entsteht aus Informationschaos nicht automatisch verlässliches Wissen.

Für AI-gestützte Wissenssysteme werden deshalb mehrere Eigenschaften entscheidend:

Diese Eigenschaften werden umso wichtiger, je autonomer KI-Systeme mit Unternehmenswissen arbeiten.

Ein Chatbot kann eine Antwort liefern. Ein KI-Agent kann auf Basis dieses Wissens möglicherweise weitere Analysen durchführen oder Aktionen vorbereiten.

Schlechte Wissensqualität skaliert dann genauso wie gute.

Wissen wird zur Infrastruktur für Entscheidungen

Infrastruktur bemerkt man häufig erst, wenn sie fehlt.

Niemand beginnt einen Arbeitstag mit dem Gedanken, wie wertvoll Strom, Netzwerkzugang oder Unternehmenssoftware sind. Man erwartet, dass sie verfügbar sind.

Mit Wissen entwickelt sich etwas Ähnliches.

Ein Unternehmen, das für jede strategische Frage zunächst mehrere Tage nach Informationen suchen muss, besitzt keine leistungsfähige Wissensinfrastruktur.

Eine funktionierende Wissensinfrastruktur ermöglicht dagegen, dass relevante Informationen dort verfügbar werden, wo gearbeitet und entschieden wird.

Für Innovationsorganisationen betrifft das beispielsweise:

Jeder Schritt erzeugt neues Wissen.

Wenn dieses Wissen im nächsten Schritt wieder verloren geht, beginnt die Organisation immer wieder von vorne.

Wenn es erhalten, verbunden und weiterentwickelt wird, entsteht ein kumulativer Vorteil.

Wissen ist auch ein organisatorisches Thema

Technologie allein löst dieses Problem nicht.

APQC betont in seiner aktuellen Knowledge-Management-Forschung weiterhin das Zusammenspiel von Menschen, Prozessen, Inhalten und Technologie. Change Management gehört dabei zu den zentralen Fähigkeiten für erfolgreiche KM-Initiativen. [3]

Das ist nachvollziehbar.

Menschen teilen Wissen nur, wenn der Aufwand vertretbar ist und sie einen Nutzen darin erkennen.

Experten müssen wissen, welches Wissen dokumentiert werden sollte.

Teams benötigen gemeinsame Begriffe und Strukturen.

Verantwortlichkeiten für wichtige Inhalte müssen geklärt sein.

Und Führungskräfte müssen Wissensaustausch als Teil der Arbeit verstehen, nicht als administrative Zusatzaufgabe.

Ein gutes Wissenssystem reduziert deshalb die Reibung beim Teilen von Wissen.

Im Idealfall entsteht Wissen dort, wo ohnehin gearbeitet wird.

Fünf Fragen für die eigene Wissensinfrastruktur

Unternehmen müssen nicht mit einem grossen Knowledge-Management-Programm beginnen.

Fünf einfache Fragen zeigen häufig bereits, wo die grössten Lücken liegen:

Fazit: Aus Informationsbeständen muss organisationales Gedächtnis werden

Unternehmen brauchen nicht noch mehr Informationen.

Sie brauchen die Fähigkeit, aus vorhandenen Informationen verlässliches, zugängliches und vernetztes Wissen zu entwickeln.

Das war bereits vor generativer KI wichtig. Mit AI Agents, semantischer Suche und automatisierter Analyse wird es strategisch noch relevanter.

Denn die Leistungsfähigkeit zukünftiger KI-Systeme hängt nicht nur von ihren Modellen ab. Sie hängt auch davon ab, welches Unternehmenswissen ihnen zur Verfügung steht und wie gut dieses Wissen strukturiert, gepflegt und miteinander verbunden ist.

Wissensmanagement entwickelt sich deshalb von einer unterstützenden Funktion zu einem Bestandteil der digitalen Unternehmensinfrastruktur.

Wer Wissen systematisch erhält und vernetzt, beginnt bei einer neuen Fragestellung nicht bei null.

Die Organisation kann auf dem aufbauen, was sie bereits gelernt hat.