KI-Systeme können inhaltliche Widersprüche zwischen Dokumenten nicht eigenständig organisatorisch auflösen. Sie kennen Texte, aber keine betriebliche Verbindlichkeit. Unternehmen müssen deshalb vor dem KI-Einsatz festlegen, welche Quellen als verbindlich, vorläufig oder veraltet gelten – und wer dafür die Verantwortung trägt.
Ein Servicemonteur fragt die KI nach dem korrekten Ablauf für eine Wartung. Das System findet drei Dokumente: die aktuelle Arbeitsanweisung, ein älteres Handbuch aus dem Vorjahr und die handschriftliche Notiz eines erfahrenen Kollegen. Alle drei beschreiben denselben Prozess – aber mit Unterschieden, die im Zweifelsfall relevant sind.
Welche Antwort gibt die KI? In vielen Fällen: eine Mischung. Oder die plausibelste Version. Oder die, die in den meisten Dokumenten vorkommt. Was sie nicht liefert, ist eine Aussage darüber, welches Dokument in Ihrem Unternehmen tatsächlich gilt.
Das ist kein technisches Versagen. Es ist ein organisatorisches Problem – und es entsteht, bevor die KI auch nur einen einzigen Satz generiert.
Dieser Beitrag behandelt nicht die Frage, was nach einem KI-Ergebnis passiert und wer dann die Verantwortung trägt. Er behandelt die Frage, die davor entschieden werden muss: Auf welcher Wissensgrundlage soll die KI überhaupt arbeiten?
Warum mehr Daten nicht automatisch bessere Antworten erzeugen
Die naheliegende Reaktion beim Aufbau einer KI-gestützten Wissensbasis lautet: möglichst viele Dokumente einpflegen. Vollständigkeit wirkt wie Sicherheit.
Das Gegenteil kann der Fall sein.
Ein Sprachmodell, das Zugang zu zahlreichen Dokumenten hat, findet in diesen Dokumenten Inhalte. Es bewertet deren Relevanz anhand von Häufigkeit, sprachlicher Ähnlichkeit und semantischer Nähe zur Anfrage. Was es nicht bewertet, ist die organisatorische Verbindlichkeit eines Dokuments. Es weiß nicht, ob ein Dokument freigegeben, archiviert oder schlicht nie aktualisiert wurde. Es kennt keine Hierarchie zwischen einer gültigen Verfahrensanweisung und einer internen Notiz.
Das bedeutet: Je mehr unstrukturiertes, nicht klassifiziertes Wissen in ein KI-System eingespeist wird, desto größer ist die Wahrscheinlichkeit, dass widersprüchliche Informationen gleichwertig behandelt werden. Die Menge erhöht nicht die Zuverlässigkeit – sie verteilt das Vertrauen auf Quellen, die unterschiedliche Grade von Gültigkeit haben.
Dieses Grundproblem lässt sich nicht durch ein besseres Modell lösen. Es lässt sich nur lösen, indem das Unternehmen vor dem KI-Einsatz entscheidet, was gilt.
Eine einfache Quellenhierarchie als Grundlage
Für die Praxis hat sich eine fünfstufige Quellenhierarchie bewährt, die vor der Integration in ein KI-System festgelegt werden sollte:
Verbindliche Quelle — Freigegebene, aktuelle Dokumente mit definiertem Geltungsbereich. Diese Quellen bilden die Grundlage für KI-Antworten in operativen Kontexten. Beispiele: aktuelle Arbeitsanweisungen, freigegebene Prozessdokumentationen, gültige Verträge.
Bestätigtes Erfahrungswissen — Erkenntnisse, die sich in mehreren Projekten oder Situationen bewährt haben und manuell als zuverlässig eingestuft wurden. Sie ergänzen verbindliche Quellen, ersetzen sie aber nicht.
Arbeitshypothese — Einschätzungen, die plausibel, aber noch nicht ausreichend bestätigt sind. Eine KI darf diese verwenden, muss sie aber als unsicher kennzeichnen.
Persönliche Meinung — Aussagen einzelner Mitarbeiter ohne überprüfte Grundlage. Wertvoll als Signal, nicht als Entscheidungsgrundlage.
Veraltete oder archivierte Quelle — Dokumente, die nicht mehr gelten, aber noch im System vorhanden sind. Diese sollten für KI-Antworten explizit gesperrt oder als überholt markiert sein.
Diese Hierarchie muss nicht aufwendig implementiert werden. Sie beginnt mit einer einfachen Frage, die sich für jedes Dokument stellen lässt: Darf die KI diese Quelle als gültig behandeln – und in welchem Kontext?
Wer über die Gültigkeit entscheidet
Die Antwort auf diese Frage lautet nicht: die IT-Abteilung. Und sie lautet auch nicht: das Sprachmodell.
Die Entscheidung darüber, welche Quellen verbindlich sind, liegt bei der fachlich verantwortlichen Rolle im Unternehmen. Das ist die Person oder Funktion, die auch ohne KI für die Richtigkeit dieser Information verantwortlich wäre. Im Servicebereich ist das der technische Leiter. In der Verwaltung die zuständige Sachbearbeitung. In der Produktion der Prozessverantwortliche.
Diese Verantwortung wird durch den Einsatz einer KI nicht ersetzt – sie wird durch ihn sichtbarer. Unternehmen, die KI ohne geklärte Quellenverantwortung einsetzen, delegieren faktisch eine fachliche Entscheidung an ein System, das dafür nicht ausgelegt ist.
Die IT kann Dokumente technisch zugänglich machen. Das Sprachmodell kann Inhalte verarbeiten. Aber die Aussage „dieses Dokument ist in unserem Unternehmen verbindlich“ kann nur von einer menschlichen Rolle mit fachlicher Kompetenz getroffen werden.
Was eine sichere KI-Einführung konkret erfordert
Auf Basis dieser Überlegungen lassen sich vier organisatorische Voraussetzungen ableiten, die vor der produktiven Nutzung einer KI-Wissensbasis erfüllt sein sollten:
Quelle benennen. Jedes Dokument, das in die KI-Wissensbasis eingespeist wird, muss einer klar definierten Quellkategorie zugeordnet sein. Ein Dokument ohne Klassifikation ist für ein KI-System eine gleichwertige Information wie jedes andere.
Gültigkeit festlegen. Für jede Quellkategorie muss definiert sein, ob und in welchem Kontext die KI darauf zurückgreifen darf. Eine veraltete Arbeitsanweisung kann als historische Referenz sinnvoll sein – aber nicht als Grundlage für eine operative Empfehlung.
Aktualisierung verantworten. Verbindliche Quellen werden ungültig, wenn sie nicht gepflegt werden. Die Frage, wer für die Aktualisierung eines Dokuments zuständig ist, muss beantwortet sein, bevor die KI dieses Dokument als verlässlich behandelt.
Widersprüche sichtbar machen. Existieren zu einem Thema mehrere Dokumente mit unterschiedlichem Inhalt, sollte dies im System erkennbar sein – und die KI sollte in der Lage sein, auf diesen Widerspruch hinzuweisen, anstatt ihn durch eine scheinbar einheitliche Antwort zu überdecken.
Warum eine gute KI Unsicherheit zeigen muss
Das ist ein Punkt, der in der Praxis oft unterschätzt wird: Eine KI, die immer eine klare Antwort liefert, ist nicht zwingend eine zuverlässige KI. Sie ist möglicherweise eine KI, die Unsicherheit nicht kommuniziert.
Wenn zu einem Prozess drei Dokumente mit unterschiedlichen Inhalten vorliegen, gibt es zwei mögliche KI-Reaktionen. Die erste: Das System synthetisiert eine Antwort, ohne den Widerspruch zu benennen. Die zweite: Das System weist darauf hin, dass mehrere unterschiedliche Informationsstände vorliegen, und gibt an, auf welcher Grundlage es antwortet.
Nur die zweite Reaktion ist für operative Entscheidungen geeignet.
Die Fähigkeit zur Unsicherheitsdarstellung ist kein Zeichen von Schwäche eines KI-Systems. Sie ist ein Zeichen organisatorischer Reife. Sie setzt voraus, dass die Quellenstruktur so aufgebaut ist, dass das System überhaupt erkennen kann, wann Widersprüche vorliegen – und welche Quellen mit welchem Gewicht zu behandeln sind.
Aus der Entwicklung des Beratungs-OS bei LECLERE Solutions ist eine vergleichbare Erkenntnis entstanden: Berater G3, das interne KI-System, ist explizit darauf ausgelegt, Aussagen einzuordnen – etwa mit Hinweisen wie „Diese Beobachtung stammt aus einem einzelnen Projekt“ oder „Hier liegen widersprüchliche Erfahrungen vor.“ Diese Kennzeichnung ist kein Zufallsprodukt. Sie ist das Ergebnis einer bewussten Entscheidung, Unsicherheit strukturell sichtbar zu machen.
Prüfen Sie jetzt: Welche drei Quellen würde Ihre KI nutzen?
Bevor Sie einen KI-Anwendungsfall produktiv einsetzen, empfiehlt sich eine konkrete Überprüfung. Wählen Sie einen geplanten Einsatzbereich – etwa eine Wartungsanfrage, eine Vertragsauskunft oder eine interne Prozessfrage – und beantworten Sie folgende Fragen:
- Welche drei Dokumente würde die KI für diese Anfrage wahrscheinlich verwenden?
- Welches davon ist tatsächlich das verbindliche Dokument in Ihrem Unternehmen?
- Sind die anderen Dokumente als veraltet oder nachrangig gekennzeichnet?
- Wer ist in Ihrem Unternehmen für die Aktualität dieser Quelle verantwortlich?
- Würde die KI einen Widerspruch erkennen und benennen – oder eine Antwort synthetisieren?
Diese Prüfung dauert keine Stunde. Aber sie macht sichtbar, ob die Wissensgrundlage für einen zuverlässigen KI-Einsatz bereits vorhanden ist – oder ob zuerst eine organisatorische Entscheidung getroffen werden muss.
Die Verantwortung liegt vor dem KI-Ergebnis
KI-Systeme sind leistungsfähig. Aber sie sind keine Instanz für organisatorische Geltungsentscheidungen. Sie verarbeiten, was ihnen zugänglich gemacht wird – ohne zu wissen, was davon in Ihrem Unternehmen wirklich zählt.
Die Frage „Welcher Quelle darf meine KI vertrauen?“ ist deshalb keine technische Frage. Sie ist eine Führungsfrage. Und sie sollte beantwortet sein, bevor das System in Betrieb geht – nicht erst dann, wenn eine falsche Antwort Folgen hat.
Unternehmen, die diesen Schritt ernst nehmen, schaffen damit nicht nur eine zuverlässigere KI. Sie schaffen Klarheit über ihr eigenes Wissen: was gilt, was veraltet ist und wer dafür verantwortlich ist. Das ist ein Wert, der unabhängig von jeder KI-Einführung nützlich ist.
Häufige Fragen
Muss ich alle Dokumente neu klassifizieren, bevor ich KI einsetze?
Nicht zwingend alle – aber alle, die für den geplanten Anwendungsfall relevant sind. Der sinnvolle Einstieg ist ein klar begrenzter Bereich: ein Prozess, ein Fachgebiet, eine Dokumentengruppe. Dort lässt sich Quellenklarheit schnell herstellen, ohne das gesamte Unternehmenswissen neu zu strukturieren.
Was passiert, wenn ein Dokument nicht klassifiziert ist?
In den meisten KI-Systemen wird es wie jedes andere Dokument behandelt – also gleichwertig mit gültigen Quellen. Das ist das eigentliche Risiko einer fehlenden Klassifikation. Unklar ist nicht neutral. Unklar bedeutet: die KI entscheidet nach eigenen Kriterien.
Kann die KI selbst erkennen, welches Dokument aktueller ist?
Sie kann Metadaten wie Erstellungsdatum oder Dateinamen berücksichtigen, sofern diese vorhanden sind. Aber ob ein neueres Dokument das ältere ersetzt oder ergänzt, lässt sich technisch nicht zuverlässig ableiten. Diese Entscheidung muss organisatorisch getroffen und im System hinterlegt sein.
Wer sollte die Quellenhierarchie in einem KMU festlegen?
In der Praxis ist es sinnvoll, die fachlich verantwortlichen Personen je Bereich einzubinden – nicht die IT allein. Die Geschäftsführung legt den Rahmen fest: welche Dokumente grundsätzlich als verbindlich gelten und nach welchem Verfahren neue Inhalte klassifiziert werden.
Wie gehe ich mit Dokumenten um, die widersprüchliche Inhalte haben?
Der erste Schritt ist, den Widerspruch sichtbar zu machen – im System als solchen zu markieren. Der zweite Schritt ist eine fachliche Klärung: Welches Dokument gilt? Bis diese Klärung erfolgt ist, sollte die KI den Widerspruch benennen und keine synthetisierte Antwort liefern.