Künstliche Intelligenz kann heute beeindruckende Dinge leisten. Sie entwickelt Software, analysiert komplexe Zusammenhänge, unterstützt strategische Entscheidungen und beantwortet Fragen zu nahezu jedem erdenklichen Thema. Wir haben Zugang zu Systemen, deren Wissen und Fähigkeiten noch vor wenigen Jahren kaum vorstellbar gewesen wären.

Und trotzdem erlebe ich bei der täglichen Arbeit mit KI einen bemerkenswerten Widerspruch: Unsere KI-Assistenten wissen unglaublich viel über die Welt, aber erstaunlich wenig über das Unternehmen, in dem wir arbeiten.

Wir können uns komplexe Softwarearchitekturen erklären lassen, müssen aber immer wieder beschreiben, wie unsere eigene Systemlandschaft aufgebaut ist. Wir können strategische Konzepte entwickeln lassen, müssen dafür jedoch zunächst die Ziele, Strukturen und Besonderheiten unseres Unternehmens erläutern. Und wenn wir einen neuen Chat beginnen oder zu einem anderen KI-Assistenten wechseln, geht häufig ein erheblicher Teil dieses mühsam vermittelten Kontextes verloren – von den Kontext Fenstern ganz abgesehen.

Ich glaube, dass wir hier auf ein grundlegendes Problem beim Einsatz künstlicher Intelligenz in Unternehmen stoßen, dessen Auswirkungen wir noch unterschätzen.

Wir erklären unserer KI immer wieder dieselben Dinge

Stellen wir uns einen Softwareentwickler vor, der regelmäßig mit einem KI-Assistenten zusammenarbeitet. Er nutzt ihn, um Funktionen zu entwickeln, Fehler zu analysieren oder technische Entscheidungen vorzubereiten. Damit die Vorschläge tatsächlich zu seiner Arbeitsumgebung passen, muss er der KI allerdings zunächst einige Dinge erklären.

Welche Technologien werden eingesetzt? Wie ist die bestehende Architektur aufgebaut? Welche Konventionen gelten im Team? Welche technischen Entscheidungen wurden in der Vergangenheit getroffen und warum? Welche Besonderheiten müssen bei der Entwicklung berücksichtigt werden?

Ein erfahrener Kollege kennt viele dieser Zusammenhänge längst. Der KI-Assistent dagegen muss sie zunächst erfahren. Und selbst wenn er sie innerhalb einer Unterhaltung verstanden hat, stehen sie beim nächsten Gespräch nicht unbedingt wieder vollständig zur Verfügung.

Natürlich besitzen moderne KI-Systeme inzwischen teilweise Erinnerungsfunktionen und können innerhalb bestimmter Projekte zusätzlichen Kontext berücksichtigen. Das hilft, löst aber nicht zwangsläufig das eigentliche Problem. Denn Unternehmenswissen gehört weder in den persönlichen Chatverlauf eines einzelnen Mitarbeiters noch sollte es dauerhaft von einem bestimmten KI-Anbieter abhängig sein.

Was passiert beispielsweise, wenn ein anderer Entwickler dieselbe Aufgabe übernimmt? Oder wenn ein Team künftig einen anderen KI-Assistenten einsetzen möchte? Warum sollten wir all das Wissen, das bereits vorhanden ist, immer wieder neu vermitteln müssen?

Das Problem ist nicht die Intelligenz der KI, sondern das fehlende gemeinsame Gedächtnis

Unternehmen beschäftigen sich seit Jahrzehnten mit Wissensmanagement. Wir dokumentieren Prozesse, pflegen Wikis, erstellen technische Dokumentationen und speichern Entscheidungen in unterschiedlichsten Systemen. Trotzdem bleibt ein großer Teil dieses Wissens im Arbeitsalltag schwer zugänglich.

Häufig wissen wir sogar, dass die benötigten Informationen irgendwo existieren. Wir wissen nur nicht mehr genau, wo sie stehen, ob sie noch aktuell sind oder wer sie zuletzt verändert hat. Also fragen wir einen Kollegen, recherchieren erneut oder erklären unserem KI-Assistenten die Zusammenhänge aus dem eigenen Gedächtnis.

Mit der zunehmenden Verbreitung künstlicher Intelligenz bekommt dieses Problem eine neue Dimension.

Denn bisher war fehlender Zugang zu Unternehmenswissen vor allem eine Herausforderung für Menschen. Jetzt betrifft er zusätzlich die Systeme, mit denen diese Menschen zusammenarbeiten. Ein KI-Assistent kann noch so leistungsfähig sein: Wenn er die relevanten internen Informationen nicht kennt, muss er mit Annahmen arbeiten, nachfragen oder auf allgemeine Lösungsansätze zurückgreifen.

Dabei wäre das notwendige Wissen häufig längst vorhanden.

Ich finde es bemerkenswert, wie viel Energie wir investieren, um unsere KI-Assistenten leistungsfähiger zu machen, während wir ihnen gleichzeitig den Zugang zu einem der wichtigsten Bestandteile unserer täglichen Arbeit erschweren: unserem eigenen Unternehmenswissen.

Wissen sollte dem Unternehmen gehören, nicht dem Chat

Für mich ergibt sich daraus eine wichtige Konsequenz. Wir müssen langfristig zwischen der Intelligenz eines KI-Assistenten und dem Wissen unserer Organisation unterscheiden.

Der KI-Assistent ist das Werkzeug, mit dem wir Fragen beantworten, Probleme analysieren und Lösungen entwickeln. Das Wissen über unsere Prozesse, Entscheidungen, technischen Systeme und Erfahrungen sollte dagegen unabhängig von diesem Werkzeug verfügbar sein.

Wenn ein Mitarbeiter eine wichtige Erkenntnis gewinnt, sollte sie nicht ausschließlich in seinem persönlichen Gesprächsverlauf verbleiben. Wenn ein Team einen bewährten Arbeitsablauf entwickelt, sollten auch andere davon profitieren können. Und wenn wir uns entscheiden, einen anderen KI-Assistenten einzusetzen, sollte unser Unternehmenswissen weiterhin zur Verfügung stehen.

Das bedeutet nicht, dass wir jede Unterhaltung dauerhaft speichern oder jedes Zwischenergebnis dokumentieren müssen. Im Gegenteil: Entscheidend ist, bewusst zwischen flüchtigen Gesprächen und langfristig wertvollem Wissen zu unterscheiden.

Welche Informationen werden wir künftig erneut benötigen? Welche Entscheidungen sollten auch in einigen Monaten noch nachvollziehbar sein? Welche Erfahrungen könnten anderen Mitarbeitenden helfen, Fehler zu vermeiden oder schneller zu guten Ergebnissen zu kommen?

Gerade solche Erkenntnisse verdienen einen festen Platz im gemeinsamen Gedächtnis einer Organisation.

Ein gemeinsames Gedächtnis für unterschiedliche KI-Assistenten

Aus genau diesen Überlegungen heraus ist mein Softwareprojekt Atrium Tablinum entstanden.

Die Grundidee ist eigentlich recht einfach: Anstatt Unternehmenswissen immer wieder einzelnen KI-Assistenten zu erklären, wird es in einem zentralen Wissensspeicher abgelegt, auf den unterschiedliche Assistenten zugreifen können, gleichzeitig.

Atrium nutzt dafür das offene Model Context Protocol (MCP). Damit können beispielsweise ChatGPT und Claude mit derselben Wissensbasis arbeiten, sofern sie entsprechend verbunden sind. Informationen werden in persönlichen und gemeinsamen Bereichen organisiert, lassen sich gezielt suchen und bei Bedarf aktualisieren.

Ein Mitarbeiter kann seinen Assistenten beispielsweise fragen, welche technischen Vorgaben im Unternehmen gelten oder warum eine bestimmte Entscheidung getroffen wurde. Der Assistent kann die entsprechenden Informationen aus Atrium abrufen und mit Angaben zur Quelle einordnen.

Genauso wichtig war mir die Kontrolle über dieses Wissen. Nicht jede persönliche Notiz gehört automatisch in eine gemeinsame Wissensbasis, und nicht jede Empfehlung darf als verbindliche Unternehmensregel gelten. Deshalb gibt es in Atrium unterschiedliche Berechtigungen, Wissensarten und bei Bedarf Freigabeprozesse. Neue Erkenntnisse werden nicht ungefragt gespeichert, sondern bewusst durch den Anwender abgelegt.

Atrium soll dabei weder fachliches Verständnis ersetzen noch die Richtigkeit sämtlicher Informationen garantieren. Es schafft vielmehr die Grundlage dafür, dass vorhandenes Wissen zugänglich, nachvollziehbar und langfristig nutzbar bleibt.

Fazit: Intelligente Werkzeuge brauchen zugängliches Unternehmenswissen

Ich glaube, dass wir beim Einsatz künstlicher Intelligenz häufig zu stark auf die Fähigkeiten einzelner Modelle schauen. Wir vergleichen ihre Leistungsfähigkeit, ihre Geschwindigkeit und ihre Möglichkeiten, immer komplexere Aufgaben zu übernehmen.

Dabei übersehen wir leicht, dass ihre tatsächliche Nützlichkeit im Unternehmen ganz wesentlich davon abhängt, auf welche Informationen sie zugreifen können.

Ein KI-Assistent, der unsere internen Abläufe, Entscheidungen und Erfahrungen berücksichtigen kann, hat eine ganz andere Ausgangslage als ein System, dem wir diese Zusammenhänge immer wieder neu erklären müssen. Und eine Organisation, die ihr Wissen unabhängig von einzelnen Mitarbeitenden, Chatverläufen und KI-Anbietern verfügbar hält, schafft damit eine Grundlage für nachhaltige Produktivitätsgewinne.

Für mich geht es deshalb nicht nur darum, künstliche Intelligenz in Unternehmen einzuführen. Wir müssen gleichzeitig darüber nachdenken, wie wir unser vorhandenes Wissen organisieren und für die Zusammenarbeit mit diesen neuen Werkzeugen zugänglich machen.

Denn vielleicht brauchen wir nicht immer intelligentere KI-Assistenten. Vielleicht müssen wir ihnen zunächst ermöglichen, das Wissen zu nutzen, das unsere Unternehmen längst besitzen.

Mit Atrium Tablinum entwickle ich genau für diese Herausforderung eine Lösung: ein gemeinsames, dauerhaftes Wissensgedächtnis für Menschen und ihre KI-Assistenten.