Die Schmerzpunkte des industriellen Mittelstands kenne ich aus eigener Erfahrung. Rund 17 Jahre lang war ich in einem mittelständischen Industrieunternehmen tätig, zuletzt als geschäftsführender Gesellschafter mit Verantwortung für 120 Mitarbeitende. Schon um das Jahr 2020 trieb mich die Frage um, wie wir das kostbare Wissen aus den Köpfen der Belegschaft greifbar machen und an die nächste Generation weitergeben können. Das Potenzial generativer künstlicher Intelligenz (KI) wirkte hierbei wie ein Katalysator und führte schließlich zur Ausgründung unseres Start-ups. Uns ging es von Anfang an darum, Wissensmanagement völlig neu zu denken. Aufgrund des Feedbacks am Markt reifte die Vision, eine maßgeschneiderte Industrieplattform zu schaffen.
Wenn wir über Wissensmanagement in Fabrikhallen, Werkstätten oder im Service sprechen, müssen wir zwei völlig unterschiedliche Kategorien betrachten. Auf der einen Seite steht das explizite Wissen. Das sind all die Daten, die bereits irgendwo im Unternehmen existieren. Wir alle kennen das Phänomen verstreuter Legacy-Systeme, bei denen Informationen in Enterprise-Resource-Planning-Systemen (ERP), Dokumentenmanagement-Systemen (DMS), Customer-Relationship-Management-Systemen (CRM), auf Netzlaufwerken, in PowerPoints, E-Mails oder Sprachnotizen liegen. Suchprozesse fressen hier wertvolle Zeit. Eine generative KI kann diese Datenräume, Serverstrukturen und Altsysteme durchdringen und wie ein internes Google fungieren. Der Anwender stellt eine Frage in natürlicher Sprache und erhält eine präzise Antwort inklusive direkter Quellenangabe und Textmarkierung im Originaldokument.
Als wir vor Jahren damit begannen, lag die menschlich validierte Antwortquote noch bei unbefriedigenden 50 bis 60 Prozent. Durch die gezielte Orchestrierung verschiedener Sprachmodelle, intelligentes Quellen-Ranking und den Einsatz übergeordneter Agenten, die widersprüchliche Informationen in den Dokumenten erkennen, haben wir diese Quote auf über 90 Prozent geschraubt. Absolutes Fundament im industriellen Kontext ist dabei die Datenhoheit. Ein solches System muss auf Wunsch zu 100 Prozent On-Premise, also als lokal laufende KI auf eigener Hardware oder in geschützten privaten Clouds in Deutschland betrieben werden können, ohne dass sensible Unternehmensdaten nach außen abfließen. Die eigentliche Königsdisziplin der Industrie liegt jedoch im impliziten Wissen. Das ist das Erfahrungswissen, das in keinem Handbuch steht. Es betrifft Routinen, Bauchgefühl bei Maschinenstörungen oder das Wissen darüber, was in der Vergangenheit einmal nicht geklappt hat.
Dieses Wissen tragen vor allem die Mitarbeitenden auf dem Shopfloor, in der Montage oder im Außendienst in sich – Menschen, die nicht acht Stunden am PC sitzen. Um es zu digitalisieren, müssen wir die Datenaufnahme radikal vereinfachen. Das gelingt über eine multimodale Erfassung. Mitarbeitende können Videos, Audios oder Fotos per Smartphone oder über smarte Datenbrillen aufnehmen, während sie eine Tätigkeit ausführen. Die KI transkribiert das Gesagte, analysiert die Videosequenzen framegenau und strukturiert diese unstrukturierten Daten vollautomatisch in präzise Arbeitsanweisungen, Besuchsberichte oder Schulungsunterlagen um. Das System bricht dabei jede Sprachbarriere, da Ein- und Ausgabe komplett sprachenunabhängig funktionieren. Ein System erkennt sogar automatisch über die Stückliste, welche Bauteile oder Klebstoffe im Video verwendet werden, selbst wenn der Werker es nicht explizit erwähnt.
Den nächsten evolutionären Schritt bildet die KI-gestützte Wissensübertragung im direkten Dialog. Wir haben Prototypen entwickelt, bei denen die KI ein echtes Fachgespräch mit einem Wissensträger führt. Die KI analysiert die bestehende Datenbasis, identifiziert eine spezifische Wissenslücke – beispielsweise warum eine Turbine vorzeitig abgeschaltet wurde – und stellt im Echtzeit-Gespräch gezielte Rückfragen. So wird der Wissensträger intuitiv interviewt und das extrahierte Wissen fließt direkt zurück in die Datenbank.
Bei all den technologischen Sprüngen dürfen wir die Risiken in einer von KI-Inhalten gefluteten Welt nicht verschweigen. Phänomene wie AI Slop, also die kontinuierliche gegenseitige Qualitätsverschlechterung, wenn KI-Modelle mit bereits KI-generierten Inhalten trainiert werden, oder das Risiko von Prompt Injections, bei denen Systeme durch versteckte Fehlanweisungen manipuliert werden können, erfordern hochsensible Sicherheitsarchitekturen. Am Ende des Tages bleibt die Einführung von KI im Mittelstand ein klassisches Change-Management-Projekt. Wir dürfen die Menschen nicht verlieren und müssen ein neues Mindset schaffen.
Meine Empfehlung aus der Praxis lautet daher: Manchmal ist es besser, nicht krampfhaft nach dem perfekten Anwendungsfall zu suchen, sondern der Devise „Use and then Case“ zu folgen – die Technologie erst aktiv zu nutzen, um im Prozess den echten Mehrwert für die Organisation zu begreifen.
