--- title: "KI-Wissensdatenbank: Unternehmenswissen per Chat verfügbar machen" canonical: "https://www.joergsebening.de/blog/ki-wissensdatenbank/" pubDate: "2026-09-07T00:00:00.000Z" updatedDate: "2026-09-07T00:00:00.000Z" author: Jörg Sebening description: "Wie eine KI-Wissensdatenbank Unternehmenswissen auffindbar macht, welche Inhalte sie braucht und wie LearningSuite KI-Concierge und Agenten darauf zugreifen können." categories: [ki-agenten] --- In vielen Unternehmen fehlt es nicht an Wissen. Es gibt eher zu viel davon: - Videos, - Notion-Seiten, - PDFs, - Kurse, - Google Docs, - Prozessbeschreibungen, - FAQs, - Aufzeichnungen, - Vorlagen. Das Problem beginnt, wenn jemand eine konkrete Information benötigt. Dann stellt sich nicht die Frage „Haben wir das dokumentiert?“, sondern „Wo war das noch einmal?“ Genau dort setzen KI-Wissensdatenbanken an. Sie verändern nicht unbedingt das vorhandene Wissen, sie verändern den Zugriff darauf. ## Was ist eine KI-Wissensdatenbank? Eine KI-Wissensdatenbank verbindet vorhandene Unternehmensinformationen mit einer KI-basierten Such- oder Chatoberfläche. Statt durch Ordner und Dokumente zu navigieren, kann ein Nutzer eine Frage stellen. Zum Beispiel: - Wie läuft unser Kunden-Onboarding ab? - Welche Informationen brauchen wir vor dem Kampagnenstart? - Wo finde ich die Vorlage für das Strategiegespräch? Die KI versucht anschließend, aus den hinterlegten Informationen die relevante Antwort abzuleiten. Das klingt zunächst wie eine bessere Suche. Es kann aber deutlich weitergehen. ## Klassische Suche versus KI-Wissensdatenbank Eine klassische Suche funktioniert über Begriffe. Der Nutzer muss ungefähr wissen, wonach er sucht. Wenn das Dokument „Meta Ads Kunden-Setup“ heißt, der Nutzer aber nach „Tracking vor Kampagnenstart“ sucht, muss die Suchmaschine diese Verbindung herstellen können. Eine KI-basierte Wissensabfrage kann stärker auf Bedeutung und Kontext eingehen. Der Nutzer muss den exakten Titel des Dokuments nicht kennen, er beschreibt sein Problem. Das System versucht, die passende Information zu finden. ## Eine Wissensdatenbank ist nicht automatisch eine gute Wissensbasis Das ist die erste wichtige Unterscheidung. Nur weil ein Unternehmen 2.000 Dokumente besitzt, besitzt es nicht automatisch eine gute Wissensbasis. Es können: - veraltete Informationen vorhanden sein, - Inhalte doppelt existieren, - Dokumente einander widersprechen, - Verantwortlichkeiten fehlen, - wichtige Prozesse überhaupt nicht dokumentiert sein. Eine KI macht diese Probleme nicht unsichtbar. Sie kann sie im schlechtesten Fall sogar verstärken, weil Nutzer falsche Informationen schneller erhalten. Deshalb muss vor der KI die Frage geklärt werden: **Welche Informationen gelten bei uns als verbindlich?** ## LearningSuite als Wissensbasis Wenn ein Unternehmen LearningSuite bereits für Kunden, Mitarbeiter oder Mitglieder verwendet, liegt dort häufig ein großer Teil des relevanten Wissens. Zum Beispiel: - Kurse, - Lektionen, - Videos, - Anleitungen, - Prozesse, - Dokumente, - Vorlagen. Die [LearningSuite KI-Agenten](/blog/learningsuite-ki-agenten/) können auf plattforminterne Inhalte und Wissen zugreifen. Der KI-Concierge kann zusätzlich mit weiteren Quellen wie hochgeladenen Dokumenten und Mitglieder-Eigenschaften arbeiten. Dadurch muss dieses Wissen nicht zwingend in ein separates KI-System kopiert werden. Die KI kann dort eingesetzt werden, wo die Inhalte ohnehin verwaltet werden. ## Wissensdatenbank und KI-Concierge sind nicht dasselbe Eine Wissensbasis ist die Informationsschicht, der Concierge ist die Schnittstelle zum Nutzer. Das ist wichtig, denn ein guter KI-Concierge braucht eine gute Wissensbasis. Aber eine Wissensbasis allein beantwortet noch keine Frage. Man kann es sich vereinfacht so vorstellen: - **Wissensbasis = Was weiß das System?** - **Concierge = Wie kann der Nutzer darauf zugreifen?** - **Agent = Was soll mit diesem Wissen getan werden?** Ein Concierge könnte also beantworten: „Wie funktioniert unsere Zielgruppenanalyse?“ Ein Agent könnte dagegen sagen: „Lass uns deine Zielgruppe jetzt gemeinsam analysieren.“ Das zugrunde liegende Wissen kann ähnlich sein, die Aufgabe ist eine andere. ## Unternehmenswissen allein reicht nicht immer Noch spannender wird die Wissensdatenbank, wenn sie nicht nur weiß, **was das Unternehmen weiß**, sondern auch, **wer fragt**. Ein Beispiel: Ein Kunde fragt „Was muss ich als Nächstes tun?“ Die Wissensbasis enthält vielleicht 100 mögliche nächste Schritte. Die richtige Antwort hängt davon ab: - welches Produkt der Kunde gebucht hat, - wie weit er im Prozess ist, - welche Aufgaben abgeschlossen sind, - welche Rolle er besitzt. Hier kommen Nutzerdaten ins Spiel. LearningSuite verwendet dafür unter anderem Mitglieder-Eigenschaften. Damit kann die KI zusätzlichen Kontext zum jeweiligen Mitglied berücksichtigen. ## Wissensdatenbank plus Mitglieder-Kontext Angenommen, zwei Kunden stellen dieselbe Frage: „Welche Unterlagen brauche ich?“ Kunde A hat ein Recruiting-Paket gebucht, Kunde B ein Meta-Ads-Paket. Eine allgemeine Wissensdatenbank könnte beide möglichen Antworten finden. Eine kontextbezogene KI sollte wissen, welche davon relevant ist. Genau deshalb ist die Kombination aus **Wissen und strukturierten Nutzerdaten** einem allgemeinen Chatbot überlegen. Wie diese Nutzerdaten aus CRM und Checkout in LearningSuite kommen, steht in [LearningSuite KI-Agenten mit n8n verbinden](/blog/learningsuite-ki-agent-n8n/). ## Wissen sollte strukturiert gepflegt werden Wer eine KI-Wissensdatenbank aufbauen möchte, sollte nicht einfach alles hochladen, was auf irgendeinem Laufwerk liegt. Ich würde Inhalte zunächst in Kategorien unterteilen. ### Verbindliches Prozesswissen Wie läuft ein Prozess tatsächlich ab? ### Produktwissen Welche Leistungen, Funktionen oder Pakete gibt es? ### Anleitungen Wie führt der Nutzer bestimmte Aufgaben durch? ### Richtlinien Was darf oder muss in bestimmten Situationen passieren? ### Hintergrundwissen Zusätzliche Erklärungen, Beispiele und Kontext. Danach sollte festgelegt werden, wer diese Informationen pflegt. Denn eine Wissensdatenbank ist kein einmaliges KI-Projekt, sie ist ein operatives System. ## Welche Inhalte gehören nicht einfach ungeprüft hinein? Besonders vorsichtig wäre ich bei: - alten Dokumentversionen, - persönlichen Notizen, - widersprüchlichen Anweisungen, - vertraulichen Informationen, - Informationen mit unterschiedlichen Berechtigungsstufen, - Inhalten ohne klaren Status. Eine KI-Wissensdatenbank braucht nicht möglichst viele Daten. Sie braucht möglichst **verlässliche Daten**. ## Von der Antwort zur Aktion Eine Wissens-KI kann außerdem mehr tun, als nur Informationen anzuzeigen. Angenommen, der Nutzer fragt: „Ich habe alle Schritte erledigt. Wie geht es weiter?“ Das System könnte nicht nur den nächsten Schritt erklären, es könnte gleichzeitig einen Prozess auslösen. LearningSuite bietet dafür KI-Trigger, die Ereignisse aus Agenten- oder Concierge-Gesprächen an weitere Automatisierungen übergeben können. Angebunden werden sie über die [LearningSuite n8n-Integration](/n8n-integrationen/learningsuite/). Dann entsteht beispielsweise: **Frage → Wissen → Entscheidung → Trigger → Automation** Damit wird die Wissensdatenbank vom Nachschlagewerk zum Bestandteil eines Prozesses. ## KI-Wissensdatenbank für Kunden Für Kundenportale sind vor allem drei Anwendungsfälle interessant. ### Support Wiederkehrende Fragen werden aus der vorhandenen Dokumentation beantwortet. Welche Anfragen sich dafür eignen, steht in [KI im Kundensupport](/blog/ki-kundensupport-agent/). ### Orientierung Der Nutzer findet Inhalte, ohne die Plattformstruktur kennen zu müssen. ### Prozessbegleitung Agenten nutzen das Wissen, um Nutzer durch konkrete Aufgaben zu führen, zum Beispiel im [Kunden-Onboarding](/blog/ki-agent-kunden-onboarding/). Gerade LearningSuite verbindet diese drei Bereiche inzwischen eng miteinander. Wie das konkret mit Agenten und Concierge funktioniert, erkläre ich im Beitrag [LearningSuite KI-Agenten und KI-Concierge](/blog/learningsuite-ki-agenten/). ## KI-Wissensdatenbank für Mitarbeiter Dasselbe Prinzip funktioniert intern. Neue Mitarbeiter könnten beispielsweise fragen: - Wie beantrage ich Urlaub? - Wie läuft unser Rechnungsprozess? - Welche Schritte gibt es beim Kunden-Onboarding? - Wo finde ich unsere Brand Guidelines? Auch hier spart die KI nicht dadurch Zeit, dass sie neues Wissen erzeugt. Sie macht vorhandenes Wissen schneller zugänglich. ## Wann lohnt sich eine KI-Wissensdatenbank? Besonders interessant wird sie, wenn: - viele Inhalte vorhanden sind, - Nutzer regelmäßig dieselben Fragen stellen, - Informationen heute schwer auffindbar sind, - Support stark mit Wissensfragen beschäftigt ist, - verschiedene Nutzer unterschiedliche Informationen benötigen, - Wissen bereits weitgehend dokumentiert ist. Weniger sinnvoll ist sie, wenn das eigentliche Problem darin besteht, dass Informationen noch gar nicht dokumentiert wurden. Dann sollte man zuerst diese Grundlage schaffen. Wie man den tatsächlichen Ablauf aufnimmt, steht in [Prozesse richtig automatisieren: Erst beobachten, dann bauen](/blog/warum-prozesse-von-selbst-schlechter-werden/). ## Fazit: KI löst kein Wissensproblem, wenn das Wissen nicht vorhanden ist Eine KI-Wissensdatenbank ist keine Abkürzung für fehlende Dokumentation. Sie ist eine neue Zugriffsschicht auf vorhandenes Wissen. Der größte Nutzen entsteht, wenn drei Dinge zusammenkommen: **sauberes Unternehmenswissen,** **Kontext über den Nutzer** und **eine klare Aufgabe für die KI.** Dann muss ein Kunde oder Mitarbeiter nicht mehr wissen, in welchem Dokument eine Information steht. Er muss nur noch wissen, welche Frage er beantworten möchte. ## KI-Agenten in deinen Prozess einbauen Ein Agent nimmt genau so viel Arbeit ab, wie der Prozess dahinter hergibt. Welche Informationen vorliegen, wer sie pflegt, was der Agent am Ende auslöst und wann ein Mensch übernimmt, entscheidet sich vor dem ersten Prompt. Die Fragen, die ich dafür durchgehe, stehen zusammen mit den Agenten-Prompts im [Playbook zu LearningSuite KI-Agenten](/ressourcen/learningsuite-ki-agenten/). Wenn du deine Abläufe vorher gemeinsam durchgehen willst: **[Prozessanalyse vereinbaren](/kontakt/)**.