Büro, Organisation & IT

Unternehmenswissen mit KI erschließen: von verstreuten Quellen zur Suche

Handbücher, Vertragsablagen, Mailverläufe und Besprechungsnotizen enthalten viel Erfahrungswissen, das im Alltag kaum jemand wiederfindet. Dieser Tag zeigt, wie KI solche Bestände erfasst, ordnet und über Suche oder Assistenten zugänglich macht, von OCR und Klassifikation bis zu Vektorsuche und RAG. Sie üben an Beispieldaten, besprechen Qualität, Zugriffsschutz und Governance und skizzieren zum Schluss einen Projektvorschlag für Ihr Haus. Danach können Sie einschätzen, welche Bausteine Ihr Wissensmanagement braucht und in welcher Reihenfolge ein solches Vorhaben angegangen wird.

Für wen

Verantwortliche aus Wissensmanagement, IT, Personalbereich, Forschung und Entwicklung, Projektleitung und Unternehmenskommunikation in Fach- wie Führungsrollen, die strukturierte wie unstrukturierte Wissensbestände besser ordnen und zugänglich machen möchten.

KI-Tagesseminar · 1 Tag

Dokumente, Mails und Protokolle mit KI erfassen, ordnen und abfragbar machen

Das nehmen Sie mit

  • Von der Texterkennung über Embeddings und Vektorsuche bis zu RAG ordnen Sie jeden Baustein und seine Aufgabe ein.
  • Sie haben Beispieltexte klassifiziert, eine kleine Wissensdatenbank strukturiert und einen GPT-Wissensassistenten angelegt.
  • Mit nach Hause nehmen Sie eine Governance-Checkliste und einen eigenen Projektvorschlag samt Rollen und Projektphasen.

Ablauf

  1. Teil 1

    Modul 1 – Grundlagen: Wie KI das Wissensmanagement verändert

    • Zentrale Begriffe des Wissensmanagements und was sich durch die Digitalisierung an der Wissensarbeit ändert
    • Drei Leistungen der KI im Wissensbestand: Inhalte klassifizieren, Angaben extrahieren, Bezüge semantisch knüpfen
    • Die Technik dahinter eingeordnet: GPT und andere LLMs, Embeddings, Vektorsuche
    • Wo das heute genutzt wird: Helpdesk, Suche nach Fachleuten im Unternehmen, Wissensportale
  2. Teil 2

    Modul 2 – Erfassen: Wissen aus Dateien, Postfächern und Gesprächen gewinnen

    • Quellen sichten: Datenbanken und Formulare mit fester Struktur, daneben Freitext in Mails, Notizen und Chats
    • NLP-Klassifikation: Named Entity Recognition für Personen, Produkte, Orte; Topic Modeling für Themencluster
    • Inhalte aus PDFs, E-Mails und Chatprotokollen herauslösen, Scans per OCR und Gesprochenes per ASR verschriften
    • Beispiele: Besprechungen automatisch mitschreiben lassen, Vertragsbestände im Vertragsmanagement auswerten
    • Übung: Eine Sammlung von Beispieltexten mit einem KI-Werkzeug nach Themen und Dokumentart klassifizieren
  3. Teil 3

    Modul 3 – Ordnen: Inhalte indexieren und semantisch durchsuchbar machen

    • Indexieren und nach Bedeutung statt nach Stichwort suchen: Vektordatenbanken wie FAISS oder Weaviate
    • Retrieval-Augmented Generation (RAG): Antworten entstehen zur Laufzeit aus den gefundenen Dokumentstellen
    • Wissensmodelle, die mit dem Bestand wachsen, statt einer einmal festgelegten, starren Taxonomie
    • Beispiele: Suchsysteme im Intranet, FAQs, die zu einer Frage die passenden Einträge zusammenstellen
    • Übung: Einen Beispieldatenbestand zu einer gegliederten Wissensdatenbank aufbereiten
  4. Teil 4

    Modul 4 – Bereitstellen: Wissen dort abrufen, wo gearbeitet wird

    • GPT-basierten Assistenten wie Chatbots für Wissensabfragen einsetzen
    • Q&A-Systeme, über die Mitarbeitende interne Fragen ohne Umweg über Fachabteilungen klären
    • Anbindung an vorhandene Plattformen wie Confluence, SharePoint und Slack
    • Beispiele: neue Beschäftigte beim Onboarding begleiten, wiederkehrende Supportanfragen automatisiert beantworten
    • Übung: GPT als internen Wissensassistenten einrichten, Prompts formulieren und den Ablauf der Abfrage festlegen
  5. Teil 5

    Modul 5 – Absichern und planen: Qualität, Governance und Projektfahrplan

    • Verlässliche Antworten: Quellen verknüpfen, Relevanz bewerten, Confidence Scores lesen
    • Veraltete, doppelte oder einander widersprechende Inhalte erkennen und bereinigen
    • DSGVO und Zugriffsschutz für sensible Firmeninformationen, etwa Audit-Protokolle und Rechte je Rolle
    • Checkliste zu Governance und Qualitätssicherung für den KI-gestützten Wissensbestand
    • Erfolgsfaktoren: klares Ziel, geprüfter Use Case, eingebundene Stakeholder; Projektablauf PoC – Pilot – Rollout
    • Rollen Data Owner, Knowledge Architect, Prompt Engineer, gezeigt an Wissens-Hub und Anbindung an ITSM-Prozesse
    • Abschlussübung: Einen Projektvorschlag für KI im Wissensmanagement Ihres Hauses ausarbeiten

VoraussetzungenSie kennen betriebliche Wissensprozesse oder Dokumentationsarbeit und haben erste Erfahrung mit digitalen Werkzeugen. KI-Vorkenntnisse werden nicht erwartet.

AbschlussTeilnahmezertifikat und digitales Badge

Thema anfragen