Knowledge on Air

About Knowledge on Air

Unsere Mission: Professioneller Umgang mit Wissen – eine Selbstverständlichkeit Knowledge on Air ist ein Podcast über die Rolle von Wissen (https://wiki.cogneon.de/Wissen) und Wissensmanagement (https://wiki.cogneon.de/Wissensmanagement) im Alltag von Individuen und Organisationen mit Ulrich Schmidt (https://www.linkedin.com/in/ulrich-schmidt-43648b1/) und Simon Dückert (https://www.linkedin.com/in/simondueckert/).

Publisher

Simon Dückert

Category

business

Language

de

Explicit

No

First episode

17 Oct 2013

Latest episode

16 Jun 2026

Latest episodes

45 episodes in the feed.

1. 

   16 Jun 2026

   KOA044 Was ist gutes Wissensmanagement?

   Was ist gutes Wissensmanagement? – Episode 44 des Knowledge Air Podcast Gutes Wissensmanagement bedeutet weit mehr als das Archivieren von Dokumenten: Es umfasst die aktive Gestaltung von Rahmenbedingungen, damit Wissen in Organisationen entsteht, geteilt, angewendet und weiterentwickelt wird. Die Diskussion zeigt, dass viele Organisationen sich auf das Sichern und Bewahren von Wissen konzentrieren – und dabei Generierung und Anwendung vernachlässigen. Ein internationaler Zertifizierungskurs sowie langjährige Praxiserfahrungen mit der Wissensbilanz Made in Germany liefern konkrete Orientierungspunkte dafür, wie gutes Wissensmanagement in der Breite etabliert werden kann. Inhalt: Wissen als Verb vs. Wissen als Substantiv – eine grundlegende Unterscheidung Bausteine guten Wissensmanagements: Strategie, Vorausschau und Verantwortung Herausforderungen bei der Messung und dem Nachweis des Nutzens Certified Knowledge Manager (CKM) – Einblick in eine internationale Ausbildung Rote und blaue Schule des Wissensmanagements und internationale Perspektiven Wissen als Verb vs. Wissen als Substantiv Ein zentraler Diskussionspunkt ist die sprachliche und konzeptionelle Unterscheidung zwischen Wissen als Substantiv (etwas Feststehendes, Gesammeltes, Archivierbares) und Wissen als Verb (ein Prozess, eine Aktivität, ein Fähigkeitszustand). Im Englischen existieren dafür zwei separate Wörter; im Deutschen erzeugt die Doppelbedeutung des Wortes „Wissen“ häufig konzeptionelle Verwirrung. Die These lautet, dass Menschen, die Wissen primär als Substantiv verstehen, dazu neigen, sich auf das Dokumentieren, Sammeln und Bewahren zu konzentrieren – und dabei übersehen, dass das Erzeugen neuen Wissens sowie dessen Anwendung mindestens ebenso wichtig sind. Dieser Ansatz – Wissen als Prozess zu begreifen – schließt an die Bausteine des Wissensmanagements nach Probst, Raub und Romhard an, die neben dem Bewahren explizit auch die Generierung und die Nutzung von Wissen umfassen. Ebenso wird auf die Wissensmanagement-Strategien nach Hansen et al. verwiesen: die Personalisierungsstrategie (Wissen bleibt an Menschen gebunden, wird im Dialog geteilt) und die Kodifizierungsstrategie (Wissen wird dokumentiert und für viele zugänglich gemacht). Welche Strategie sinnvoll ist, hängt vom jeweiligen Kontext ab: Wissen über die Hauptstadt Frankreichs lässt sich problemlos dokumentieren; die aktuelle Lage in der Straße von Hormuz nicht. Carsten Schmitz wird mit dem prägnanten Satz zitiert, Wissensmanagement sei die „fallweise Balancierung von Wissenskommunikation und Wissensdokumentation“. Bausteine guten Wissensmanagements: Strategie, Vorausschau und Verantwortung Ein konsistentes, gemeinsam geteiltes Verständnis von Wissen und Wissensmanagement innerhalb einer Organisation wird als unverzichtbare Voraussetzung betrachtet – vergleichbar mit den Gesetzen der Mechanik als gemeinsame Grundlage für Ingenieure. Darüber hinaus werden mehrere weitere Merkmale guten Wissensmanagements herausgearbeitet: Vorausschauendes Handeln wird als besonders kritisch eingestuft, da viele Wissensmanagement-Maßnahmen keine schnellen Ergebnisse (sogenannte Quick Wins) liefern, sondern erhebliche Vorlaufzeit benötigen. Als konkretes Beispiel dient die Etablierung eines neuen Studiengangs aus einer Wissensbilanz Made in Germany aus dem Jahr 2005 bei der NBW: Von der Erkenntnis, dass ein solcher Studiengang fehlt, bis zur Rekrutierung der ersten Absolventen vergingen rund sechs Jahre. Die Wissensbilanz Made in Germany wird als jenes Instrument beschrieben, das die Verbindung zwischen Unternehmensstrategie und Wissensmanagement herstellt: Es bewertet sogenannte Einflussfaktoren nicht im Hinblick auf den Status quo, sondern auf die mittelfristigen strategischen Ziele – eine Unterscheidung, die in der Praxis häufig übersehen wird. Ergänzend werden klare Verantwortlichkeiten gefordert, idealerweise verankert in einer Expertenlaufbahn für wissensintensive Organisationen. Herausforderungen bei der Messung und dem Nachweis des Nutzens Ein chronisches Problem des Wissensmanagements ist die Schwierigkeit, den Return on Investment (ROI) überzeugend darzustellen. Wissensmanagement-Erfolge sind multifaktoriell bedingt: Wenn Projekte dank konsequenter Lessons Learned (strukturierter Reflexion von Projekterfahrungen) besser werden, beanspruchen schnell auch andere Bereiche – etwa ein verbessertes Projektcontrolling – den Erfolg für sich. Umgekehrt wird bei Misserfolgen häufig das Wissensmanagement verantwortlich gemacht. Als seltenes Positivbeispiel wird der Ansatz von Nils Landmann erwähnt, der auf das innerbetriebliche Vorschlagswesen aufsetzte: Da Verbesserungsvorschläge dort ohnehin quantifiziert werden mussten, ließ sich der Wert von Wissensmanagement-Maßnahmen auf einer bereits etablierten Berechnungsgrundlage nachweisen – umgesetzt damals bei FAG (heute Teil der Schaeffler-Gruppe). Dennoch bleibt dieser Ansatz eingeschränkt anwendbar. Als Alternative zum direkten ROI-Nachweis wird empfohlen, auf die Prozesskennzahlen wissensintensiver Aktivitäten zu schauen: Werden Produkte in Forschung und Entwicklung schneller entwickelt? Steigt die Kundenzufriedenheit im Service? Wächst der Umsatz im Vertrieb? Diese prozessorientierte Perspektive gilt als sinnvoller als der Versuch, Wissen selbst in Euro zu bewerten. Ergänzend wird ein fünfstufiger Prozess zur Erfolgstransparenz bei Wissensmanagement-Maßnahmen erwähnt, der u. a. Wirkungsanalysen und plausible Kausalketten umfasst. Certified Knowledge Manager (CKM) – Einblick in eine internationale Ausbildung Im Kontext der Frage, wie Wissensmanagement-Kompetenz in der Breite aufgebaut werden kann, wird ein CKM-Zertifizierungskurs des KM-Instituts vorgestellt, der über vier Tage (jeweils 9–16 Uhr) online stattfindet. Das Programm strukturiert sich entlang von 13 KM-Objectives in drei Kategorien: Die erste Kategorie adressiert die aktuelle Situation der Organisation, darunter einen klar formulierten Call to Action (Begründung, warum Wissensmanagement für die Organisation relevant ist) sowie eine zielgruppengerechte KM-Definition und eine KM-Metrik mit dem Leitsatz „Focus on results, results, results“. Die zweite Kategorie behandelt Complications, also typische Hindernisse und Barrieren. Die dritte Kategorie – Solutions – umfasst eine praxisorientierte Werkzeugkiste: KM Squirrels (kleine, schnell umsetzbare Maßnahmen ohne großes Budget) und KM Bulls (größere, mehrjährige Initiativen wie Technologieeinführungen oder Knowledge-Retention-Programme). Auch KM Governance, eine KM Solutions Matrix (vergleichbar mit der Balanced Scorecard, im Transkript erwähnt), sowie ein Learning Plan nach dem Prinzip „Learn before, learn during, learn after“ (zugeschrieben Nick Milton) und ein Communications Plan sind enthalten. Veränderungsmanagement wird als integraler Bestandteil von Wissensmanagement eingeordnet; als Rahmen dient dabei Kotters 8-Schritte-Modell für Change Management. Als Kritikpunkt wird angemerkt, dass der ISO-Standard 30401 (internationaler Standard für Wissensmanagement-Systeme) nur am Rande vorkommt, obwohl er als sinnvolle Grundlage für einen strukturierten Wissensmanagement-Ansatz gilt. Auch fehlt ein konkreter Fahrplan, den Teilnehmende direkt für ihre Organisation ableiten könnten – etwa in Form einer KM Policy (Wissensmanagement-Richtlinie). Rote und blaue Schule des Wissensmanagements und internationale Perspektiven Das KM-Institut unterscheidet zwischen zwei Schulen des Wissensmanagements: Die rote Schule vertritt die Position, dass Wissen immer an Menschen gebunden ist – sobald es externalisiert wird, ist es per Definition keine Wissen mehr, sondern Information. Die rote Schule setzt auf Formate wie Communities of Practice (themenbezogene Netzwerke zum Wissensaustausch) und Knowledge-Cafés. Die blaue Schule hingegen umfasst auch die Dokumentation: Wikis, Datenbanken, SharePoint. Diese Unterscheidung korrespondiert mit der bereits erwähnten Personalisierungs- vs. Kodifizierungsstrategie und Carstens „fallweiser Balancierung“. Die internationale Dimension des Wissensmanagements wird abschließend als wichtiger blinder Fleck benannt. Veranstaltungen wie die KM Europe (europäische Ausgabe der KM World, zuletzt in London) und der CKM-Kurs selbst – mit Teilnehmenden von Petronas (Malaysia) und der UN (Südafrika) – verdeutlichen, dass andere Länder ganz eigene Perspektiven auf das Thema entwickelt haben. Als Ausblick auf die nächste Episode wird das Wissensmanagement-Verständnis in China angekündigt, das als potenziell weitreichend bedeutsam eingestuft wird – mit möglichen Parallelen zu Toyota-ähnlichen Managementprinzipien. Fazit Gutes Wissensmanagement ist kein Tool-Problem und kein Archivierungsprojekt – es ist ein strategisches, langfristiges und zutiefst menschliches Vorhaben. Die mangelnde Verbreitung professionellen Wissensmanagements in Organisationen ist weniger ein Informationsdefizit als ein Umsetzungsdefizit: Ansätze, Methoden und Standards (wie ISO 30401 oder die Wissensbilanz Made in Germany) existieren seit Jahrzehnten, werden aber noch immer nicht flächendeckend angewendet. Die Disziplin wird 2025 vierzig Jahre alt – und steht gleichzeitig vor der Aufgabe, ihr Wissen vor dem Renteneintritt der letzten Babyboomer (bis 2036) in die nächste Generation zu überführen. Wissensmanagement als Verb begreifen: Rahmenbedingungen für das Wissen-Können schaffen, nicht nur Archivierung betreiben Ein gemeinsames, konsistentes Verständnis von Wissen und Wissensmanagement in der Organisation verankern Vorausschauend handeln: Wissensmanagement-Maßnahmen brauchen Vorlauf – auf Krisen warten ist keine Strategie Den Nutzen an Prozesskennzahlen messen, nicht an isolierten Wissensmetriken Lessons Learned und Best Practice systematisch verknüpfen und organisationsübergreifend transferieren Communities of Practice und Dokumentation als komplementäre, nicht konkurrierende Ansätze verstehen Internationale Perspektiven aktiv einbeziehen – etwa aus der APQC (American Productivity and Quality Center) oder aus dem asiatischen Raum Wissensmanagement konsequent als Change Management betreiben und Führungskräfte frühzeitig einbinden

2. 

   17 Dec 2025

   KOA043 Jahresrückblick 2025

   In Knowledge on Air Episode 43 blicken wir auf 2025 zurück: Von KI-Integration bei Events über Wissenserhalt bis zu den Herausforderungen der Wissensdokumentation. Ein Ausblick auf 2026 und die Neuauflage der ISO 30401 runden die Episode ab. KOA und die sozialen Medien Wir reflektieren zu Beginn über die Reichweite und Verbreitung unseres Podcasts. Der Kommentarzähler steht auf null – ein Anlass für uns, unsere Präsenz in sozialen Medien zu überdenken. Wir stellen fest, dass unsere Podcast-Plattform zwar im Fediverse (https://de.wikipedia.org/wiki/Fediverse) und auf Mastodon (https://wiki.cogneon.de/Mastodon) (unter @koa@podcasts.cogneon.io (mailto:koa@podcasts.cogneon.io)) erreichbar ist, die Hörerschaft aber vermutlich auf anderen Plattformen unterwegs sind. Wir teilen unsere Erfahrungen mit verschiedenen sozialen Netzwerken: LinkedIn bleibt für uns beide die primäre berufliche Plattform, dort werden wir uns mehr kümmern. Xing, Twitter/X, Blue Sky, Threads und Instagram spielen keine oder nur eine untergeordnete Rolle. Für die Zukunft planen wir, aktiver auf der LinkedIn-Page “Knowledge on Air” (https://www.linkedin.com/showcase/knowledge-on-air/) zu posten und Menschen dort zu taggen. Wer am Ball bleiben möchte, kann unseren Podcast-Feed abonnieren (https://podcasts.cogneon.io/@koa), das geht auch auf Spotify und Apple Podcasts, oder uns im Fediverse folgen. Unsere zentrale Botschaft: In Zeiten von Hektik und Aufregung sehnen wir uns nach wohltemperierten und unaufgeregten Austauschräumen. KI bei Wissensmanagement-Events Das Thema KI und Wissensmanagement hat sich in den letzten eineinhalb Jahren untrennbar miteinander verwoben. Simon sieht darin eine positive Entwicklung, da neue hippe Themen Aufmerksamkeit auf das Wissensmanagement lenken – ähnlich wie es damals Suchmaschinen taten. KI wird zwar nicht der Heilsbringer sein, hilft aber dabei, wichtige Fragen wieder ins Bewusstsein zu rücken. Einen besonderen Schwerpunkt legt Simon auf die Dokumentation von Veranstaltungen wie Barcamps. Früher verglichen wir diese oft mit klassischen Konferenzen und empfanden die Dokumentation als mangelhaft. Heute ermöglicht uns KI eine völlig neue Qualität: Wir zeichnen Sessions auf, transkribieren sie und verarbeiten sie durch KI-Tools mit entsprechenden Prompts zu hochwertigen Dokumentationen. Beim Wissenstransfer Camp (wtc25 (https://wiki.cogneon.de/wtc25)) im September und beim Knowledge Camp der GWM (gkc25 (https://wiki.cogneon.de/gkc25)) konnten wir über 40 Sessions innerhalb einer halben Stunde dokumentieren – zu KI-Kosten von unter 6 Euro. Beim CoCreationCamp der DATEV gingen wir noch einen Schritt weiter: Unter dem Label “AI-integrated” setzten wir KI nicht nur für die Dokumentation ein, sondern als Co-Moderation. Die KI erklärte Barcamp-Regeln, den Ablauf und führte durch Session-Pitches. Zusätzlich transkribierten wir die Vorstellungsrunde und wandelten sie in eine Mindmap um, sodass sich Teilnehmer thematisch verorten konnten. Die KI fungierte dabei wie “Einstein in der Westentasche” – ein komprimierter Zugang zum dokumentierten Wissen der Welt, den wir während einer Session direkt nutzen konnten. Wissenserhalt und Wissensbewahrung Ulrich berichtet von seinen Erfahrungen mit Wissenserhalt, dem dominierenden Thema in seiner Branche. Der demografische Wandel macht dieses Thema zunehmend dringend – was bereits 2009 als ferne Zukunft galt, ist heute akute Realität. Viele Unternehmen haben zu lange gezögert, wie Studierende, die ihre Abschlussarbeit erst kurz vor der Deadline schreiben. In unserem gemeinsamen Projekt zum Wissenserhalt eines Spezialisten gewannen wir wichtige Erkenntnisse: Wir müssen die Planung strukturieren, brauchen aber in der Umsetzung Freiheitsgrade. Themen können sich als inhaltsreicher oder profaner herausstellen als ursprünglich gedacht – entsprechend passen wir die Priorisierung an. Besonders wichtig ist für uns die Unterscheidung zwischen naturwissenschaftlichen Fakten und Überzeugungen. Ulrich betont zwei zentrale Maximen seines Wissensmanagement-Ansatzes: Die Interpretation als Kernprozess der Wissensgenerierung und die Individualität von Wissen, die wir durch Erfahrungen, Ausbildung, Intelligenz, Werte und Glaubenssätze prägen. Unsere zentrale Frage lautet immer: “Ist das ein Naturgesetz?” – inspiriert von Elon Musks Ansatz bei SpaceX, der zwischen unveränderlichen Naturgesetzen und veränderbaren Regelungen unterscheidet. Grenzen der Wissensdokumentation Unsere Diskussion über Wissensdokumentation führt uns zu grundlegenden philosophischen Fragen. Simon verweist auf das Paper Data, Information, Knowledge – Have We Got It Right? (https://link.springer.com/article/10.1007/s00191-003-0181-9) von Max Boisot, das mit dem “Agent in the World Model” erklärt, wie wir Wissen aufnehmen. Informationen durchlaufen zwei Filter: einen physischen (Wo schaue ich hin? Verstehe ich die Sprache?) und einen mentalen (Was nehme ich wahr? Welche kognitiven Verzerrungen habe ich?). Diese Filter steuern wiederum unsere eigenen Mental Models – unsere Werte, Überzeugungen und unser vorhandenes Wissen. Deshalb reicht es nicht, wenn wir Wissen einfach dokumentieren und ins Intranet stellen. Wir müssen verstehen, dass verschiedene Menschen (Ingenieure vs. BWLer, Standortmitarbeiter vs. Zentrale) aufgrund ihrer unterschiedlichen Filter Informationen völlig anders verarbeiten. Bei der Dokumentation halten wir es für entscheidend, Überzeugungen vom sachlichen Kern zu trennen und dies transparent zu machen. Audio und Video haben hier für uns einen besonderen Wert, da sie Persönlichkeit, Haltung und Emotionen einfangen, die in reinen Textmedien verloren gehen. Die Betonung, das Hadern, die Art zu sprechen – all das trägt Wissen in sich. Ulrich plädiert leidenschaftlich für das dialektische Prinzip: These, Antithese und gegebenenfalls Synthese. Gerade in Zeiten, in denen selbst Qualitätsmedien oft nur eine Meinung vertreten, müssen wir verschiedene Perspektiven gegenüberstellen. Sein Appell an Immanuel Kant: “Habe den Mut, dich deines eigenen Verstandes zu bedienen” – nicht blind anderen zu vertrauen, sondern selbst zu denken und zu hinterfragen. Ausblick 2026 Wir zeigen uns besorgt über aktuelle Entwicklungen, in denen Menschen Wahrheit und Wissen zunehmend relativieren. In einer Welt, in der “Lügen völlig normal ist” und das Prinzip des Justified True Belief ins Wanken gerät, wird Wissensmanagement noch anstrengender. Wir sehen die Gefahr, dass Menschen nur noch Aussagen glauben, bei denen sie sich wohlfühlen – ein Weg zur kollektiven Verdummung. Trotz dieser düsteren Beobachtungen versprechen wir, “die Fahne der Wissensgesellschaft hochzuhalten”. Wir rufen dazu auf, dass sich Gleichgesinnte zu Wort melden und aktiv werden. Gutes Wissensmanagement ist für uns mehr als Feuerwehr-Aktionen wie Expert Debriefings – wir brauchen einen strategischen Ansatz. Ein konkreter Ausblick: Im nächsten Jahr erscheinen die Neuauflagen der ISO 9001 und ISO 30401, die beide das Konzept der Nachhaltigkeit und des kritischen Wissens integrieren. Wir fragen uns: Um welche Wissensgebiete müssen wir uns als Organisation kümmern, um nicht nur heute, sondern auch in 10, 20 oder 30 Jahren erfolgreich zu sein? Dies führt uns zur strategischen Dimension des Wissensmanagements – ein Thema, das wir in kommenden Episoden vertiefen werden.

3. 

   22 Aug 2025

   KOA042 Wissensmanagement meets Künstliche Intelligenz

   In dieser Episode 42 des Knowledge on Air Podcasts diskutieren Simon und Ulrich nach eineinhalb Jahren Pause den Einfluss von Künstlicher Intelligenz auf das Wissensmanagement. Sie analysieren systematisch alle Bausteine des Wissensmanagements von Probst et.al. (https://wiki.cogneon.de/Wissen_managen) und zeigen auf, wie KI-Technologien jeden einzelnen Bereich revolutionieren können - von der Zielformulierung über die Wissensidentifikation bis hin zur Bewertung. Dabei werden sowohl die enormen Chancen als auch kritische Aspekte wie Datenschutz und die Notwendigkeit menschlicher Kontrolle beleuchtet. Renaissance des Wissensmanagements durch demografischen Wandel Das Thema Wissensbewahrung (https://wiki.cogneon.de/Wissenstransfer) erlebt derzeit eine bemerkenswerte Renaissance, die hauptsächlich durch den demografischen Wandel getrieben wird. Nach jahrzehntelangen Zyklen, in denen Wissensmanagement (https://wiki.cogneon.de/Wissensmanagement) immer wieder aufkam und dann abflaute, ist nun eine neue Ernsthaftigkeit zu beobachten. Der Grund liegt in der unmittelbar bevorstehenden Pensionierung der Baby-Boomer-Generation (https://de.wikipedia.org/wiki/Baby-Boomer). Die Zahlen sind alarmierend: Bis Mitte der 2030er Jahre werden zweistellige Millionenanzahlen von erfahrenen Fachkräften aus dem Berufsleben ausscheiden (https://www.tagesschau.de/wirtschaft/arbeitsmarkt/babyboomer-rente-arbeitnehmer-100.html). Was früher noch als “ferne Zukunft” galt, ist nun so nah, dass Organisationen endlich handlungsleitend werden. Der Schmerz des drohenden Wissensverlusts ist zu groß geworden, um das Thema weiter zu ignorieren. Gleichzeitig bietet die rasante Entwicklung der KI-Technologie (https://wiki.cogneon.de/K%C3%BCnstliche_Intelligenz) neue Möglichkeiten, diese verlorene Zeit aufzufangen. Anders als bei früheren Technologien wie dem Internet oder Smartphones, die Jahre brauchten, um in Unternehmen anzukommen, hat sich Künstliche Intelligenz erstaunlich schnell etabliert. Während früher eine Technologie zehn Jahre brauchte, um vom Internet ins Intranet zu gelangen, ist dieser Prozess bei KI deutlich beschleunigt. Wissensziele: KI als strategischer Sparringspartner Bei der Formulierung von Wissenszielen erweist sich KI als außergewöhnlich wertvoller Sparringspartner. Durch Methoden wie Future Backwards (https://cynefin.io/wiki/Future_backwards) können Führungskräfte gemeinsam mit KI strategische Ziele entwickeln. Die KI fungiert dabei ähnlich wie ein menschlicher Berater, hat aber den Vorteil, dass sie Zugang zu einem komprimierten Ausschnitt des gesamten dokumentierten Weltwissens besitzt (s.a. Vortrag von Simon auf der loscon25 (https://cogneon.github.io/loscon25doku/de/1-1-dueckert/)). Besonders wertvoll ist die Fähigkeit der KI zum “Rollenspiel”. Man kann sie anweisen, nacheinander in die Rollen verschiedener Experten zu schlüpfen - etwa Peter Drucker, Sigmund Freud und Helmut Willke - und ein Streitgespräch zu führen, um neue Perspektiven auf Problemstellungen zu entwickeln. Dies hilft dabei, die eigenen fachlichen Scheuklappen zu überwinden. Kritisch zu beachten ist jedoch, dass die Qualität der Ergebnisse stark von der Datenbasis abhängt. Bei Frontline-Modellen wie GPT, Gemini oder Claude ist nicht transparent, auf welchen Daten sie trainiert wurden. Es besteht die Gefahr von Bias, beispielsweise durch die Überrepräsentation bestimmter Bevölkerungsgruppen in den Trainingsdaten. Daher ist eine kritische Bewertung und menschliche Kontrolle (“Human in the Loop”) unerlässlich. Wissensidentifikation: Yellow Pages 5.0 und stille Experten Die Wissensidentifikation erfährt durch KI eine fundamentale Transformation. Zwei Hauptanwendungsbereiche stechen hervor: Das Roleplay für verschiedene Perspektiven und die automatisierte Recherche durch Research-Agenten. Research-Agenten können eigenständig Internet-Recherchen durchführen, Informationen vergleichen und zusammenstellen. Aufgaben wie “Was haben die DAX 30 in den letzten zehn Jahren über Wissensmanagement in ihren Geschäftsberichten geschrieben?” können sie viel effizienter erledigen als Menschen. Besonders wertvoll ist die Identifikation von Kompetenzträgern - eine moderne Version der klassischen Yellow Pages (https://wiki.cogneon.de/Yellow_Pages). Durch die Analyse von Community-Plattformen, Diskussionsverläufen und E-Mail-Verkehr können “stille Experten” identifiziert werden - introvertierte Fachkräfte, die zwar über enormes Wissen verfügen, aber in einer von Selbstdarstellung geprägten Arbeitswelt oft übersehen werden. Diese KI-basierte Expertise-Identifikation bietet “Street Credibility“, (https://de.wikipedia.org/wiki/Glaubw%C3%BCrdigkeit#Sonderform_%E2%80%9EStreet_Credibility%E2%80%9C) da sie auf tatsächlicher Hilfsbereitschaft und Problemlösung basiert, nicht auf lauter Selbstvermarktung. Wichtig sind dabei Datenschutz-konforme Ansätze, bei denen Betroffene selbst entscheiden können, ob und wie sie als Experten sichtbar werden möchten. Wissenserwerb: Komprimiertes Weltwissen als strategischer Vorteil Beim Wissenserwerb ermöglicht KI den Zugang zu einer komprimierten Version des dokumentierten Weltwissens zu einem relativ überschaubaren Preis. Dies entspricht der “Boundaryless Organization“ (https://hbr.org/2015/09/jack-welchs-approach-to-breaking-down-silos-still-works) von Jack Welch (https://de.wikipedia.org/wiki/Jack_Welch) bei General Electric - der Idee, dass es egal ist, wer auf der Welt eine gute Idee hat, solange man sie für die eigene Organisation nutzen kann. Für Unternehmensübernahmen eröffnet KI neue Möglichkeiten der “kulturellen Due Diligence”. Traditionell konzentriert sich die Prüfung auf Finanzkennzahlen, aber KI könnte helfen, Unternehmenskulturen zu vergleichen und die Integrierbarkeit zu bewerten. Dies ist kritisch, da viele Übernahmen scheitern, weil Schlüsselpersonal aufgrund kultureller Inkompatibilität das Unternehmen verlässt. Wissensentwicklung: Kontinuierliche Aktualisierung und Szenario-Planung Die Wissensentwicklung profitiert enormt von KIs Fähigkeit zur kritischen Prüfung bestehender Praktiken. Regelmäßige Reviews von Leitfäden, Checklisten und Prozessbeschreibungen können zeigen, ob diese noch dem Stand der Technik entsprechen. Obwohl KI-Modelle einen Knowledge Cutoff (https://en.wikipedia.org/wiki/Knowledge_cutoff) haben, sind sie dennoch viel näher am aktuellen Wissensstand als die meisten Praktiker. Besonders wertvoll ist das Durchspielen von Szenarien: “Wie würden wir es machen, wenn alle Firmen KI-Chatbots hätten?” oder “Wie hätte man es vor 100 Jahren gemacht?” Diese Szenario-Analysen helfen bei der Entwicklung von Transformationspfaden und der Identifikation notwendiger Lernfelder. KI ermöglicht es auch, die gleichen Inhalte für verschiedene Zielgruppen aufzubereiten - vom Top-Management über den Betriebsrat bis zu Mitarbeitern am Fließband. Diese Fähigkeit zur zielgruppenspezifischen Kommunikation ist für die Verbreitung von Wissensmanagement-Initiativen von unschätzbarem Wert. Wissensverteilung: Personalisierte Information und KI-Sidekicks Die Wissens(ver-)teilung wird durch KI fundamental verändert. Statt statischer PDF-Dokumente können Nutzer interaktive Dateien erhalten, mit denen sie über ihre KI-Systeme direkt kommunizieren können. Dies bringt sie viel näher an die tatsächlich benötigte Information heran. Ein kritisches Thema ist die Informationsflut (https://de.wikipedia.org/wiki/Informations%C3%BCberflutung). KI kann helfen, Push-Kommunikation zu personalisieren und von Zielgruppen- auf Individualebene zu bringen. Newsletter und Inhalte können automatisch gefiltert und zusammengefasst werden, basierend auf persönlichen Interessensprofilen. Besonders spannend sind KI-Sidekicks, die proaktiv Vorschläge machen: “Hast du schon mal darüber nachgedacht, dass dieser Aspekt für deine Arbeit relevant sein könnte?” Wichtig ist dabei die Begründung - nicht nur was empfohlen wird, sondern auch warum. Der Trend geht zu autonomen KI-Agenten, die nicht nur reaktiv auf Anfragen antworten, sondern proaktiv agieren können. Diese könnten beispielsweise automatisch erkennen, wenn neue relevante Literatur erscheint, und entsprechende Empfehlungen aussprechen. Wissensnutzung: Systematische Integration in Arbeitsprozesse Für die systematische Integration von KI in die Wissensnutzung bietet das WINS-Framework (https://hbr.org/2023/09/where-should-your-company-start-with-genai) (Words, Images, Numbers, Sounds) der Harvard Business Review eine wertvolle Orientierung. Es analysiert, wie viel Prozent der Arbeit aus WINS-Aktivitäten besteht und wie stark digitalisiert diese sind. Jobs mit hohem WINS-Anteil und hoher Digitalisierung befinden sich “in the crucible” - hier wird sich in den nächsten Jahren alles fundamental ändern. Umgekehrt können Bereiche mit niedrigem WINS-Anteil und geringer Digitalisierung die Entwicklung zunächst “vom Balkon aus” beobachten. Diese Systematik hilft dabei, Wissensarbeit (https://wiki.cogneon.de/Wissensarbeit) zu analysieren und KI gezielt einzusetzen - entweder für Automation (KI übernimmt Aufgaben vollständig) oder Augmentation (KI unterstützt Menschen bei ihren Aufgaben). Wissensbewahrung: Von Expert Debriefings zu interaktiven Wissenssystemen Die Wissensbewahrung z.B. mit Expert Debriefing (https://wiki.cogneon.de/Expert_Debriefing) erfährt durch KI eine Revolution. Statt mühsamer Dokumentationsaufgaben für ausscheidende Experten können podcast-ähnliche Gesprächsrunden durchgeführt werden. Experten diskutieren in entspannter Atmosphäre über Themen wie “Was in Projekten immer schief geht” oder “Umgang mit schwierigen Kunden”. Diese Gespräche werden automatisch transkribiert, zusammengefasst und in interaktive KI-Systeme überführt. Das Ergebnis: Neue Mitarbeiter können spezifische Fragen stellen (“Erstelle einen Einarbeitungsplan für Kraftwerksprojekte in Indonesien”) und erhalten maßgeschneiderte Antworten basierend auf Jahrzehnten gesammelter Erfahrung. Der Vorteil liegt in der Kombination aus strukturierter Dokumentation und der Bewahrung von Storytelling-Elementen. Audio-Aufnahmen bleiben als Quelle verfügbar, sodass bei Bedarf die ursprünglichen Expertenaussagen nachgehört werden können. Auch die Integration von Dokumentensammlungen wird revolutioniert. Statt dass neue Mitarbeiter hunderte von Dokumenten durcharbeiten müssen, können sie gezielt Fragen stellen und erhalten kontextbezogene Antworten aus dem gesamten Dokumentenbestand. Wissensbewertung: Qualitative Bewertung und Szenario-Vergleiche Bei der Wissensbewertung ist Vorsicht geboten. Quantitative, monetäre Bewertungsmodelle, die KI-basiert Euro-Beträge für “Wissensassets” berechnen, sind problematisch, da die Entstehung der Ergebnisse nicht nachvollziehbar ist. Vielversprechender ist der qualitative Ansatz über Szenario-Vergleiche. KI kann verschiedene Handlungsalternativen durchspielen und deren Auswirkungen analysieren. Entscheidend ist dabei nicht nur das “Was”, sondern vor allem das “Warum” - die Begründung für Empfehlungen muss nachvollziehbar und von menschlichen Experten validierbar sein. Für das Maßnahmen-Controlling bietet KI große Potenziale. Regelmäßige Erinnerungen, automatische Fortschrittsabfragen und die Analyse von Umsetzungshindernissen können dabei helfen, Wissensmanagement-Initiativen konsequent zu verfolgen und bei Bedarf anzupassen. Die Wissensbilanz (https://wiki.cogneon.de/Wissensbilanz) als etabliertes Bewertungsinstrument kann durch KI-Sidekicks bei Transkription und Zusammenfassung unterstützt werden. Der Kern - der Dialog zwischen Menschen - sollte jedoch unverändert bleiben, da er den eigentlichen Wert der Methode ausmacht.

Contact Knowledge on Air

Guest appearances

Books guests

Based on episode analysis; this does not confirm that the show is currently accepting guests.