Wer über Wissenssicherung und KI im Unternehmen spricht, landet schnell bei Begriffen, die jede Seite etwas anders versteht. Ist Erfahrungswissen dasselbe wie implizites Wissen? Ist Intelligence Management nur ein neues Etikett für Wissensmanagement? Und was unterscheidet RAG von MCP? Die folgenden zehn Begriffe tauchen in fast jedem Projekt auf. Sie sind nach der Frage sortiert, die sie beantworten.
Welches Wissen ist gemeint?
Implizites Wissen
Implizites Wissen ist Wissen, das Menschen anwenden, ohne es auszusprechen. Es steckt in Handgriffen, im Gespür für eine Anlage und in Entscheidungen, die jemand trifft, weil er ähnliche Fälle schon oft erlebt hat. Michael Polanyi hat es 1966 auf den Punkt gebracht: Wir wissen mehr, als wir sagen können.
In Dokumenten fehlt es, weil es der Person, die es hat, selbstverständlich vorkommt. Eine Schweißerin hört am Geräusch, dass eine Naht nicht hält, bevor die Prüfung es zeigt. Ein Teil davon lässt sich durch gezieltes Nachfragen in Worte fassen, ein anderer nur durch Vormachen und Üben. Wie man vorgeht, zeigt der Beitrag Implizites Wissen erfassen.
Erfahrungswissen
Erfahrungswissen ist der Teil des impliziten Wissens, der aus selbst erlebten Fällen stammt: woran man erkennt, dass ein Auftrag Ärger macht, wann man von der Regel abweicht und wen man im Zweifel fragt. Ein Schichtleiter weiß, dass die Anlage bei einer bestimmten Rohstoffcharge langsamer laufen muss, obwohl die Vorgabe etwas anderes sagt.
Der Unterschied ist praktisch wichtig. Anders als reines Gespür lässt sich Erfahrungswissen meist erfassen, wenn man nach konkreten Fällen fragt statt nach allgemeinen Regeln. Genau dort setzen KI-gestützte Interviews an.
Wie geht man damit um?
Wissenssicherung
Wissenssicherung ist das systematische Erfassen von Erfahrungswissen, bevor es das Unternehmen verlässt: durch Ruhestand, Kündigung, Rollenwechsel oder Reorganisation.
Der Druck ist demografisch. Knapp 30 Prozent der Erwerbstätigen in Deutschland erreichen bis 2036 das Rentenalter (Destatis). Und 72 Prozent der Unternehmen hängen an mindestens einer Person, deren Weggang den Betrieb spürbar beeinträchtigen würde (SHRM, 2023). Wer erst beim Abschied anfängt, bekommt im Exit-Interview Stimmung, aber kaum Substanz. Wirksamer sind strukturierte Interviews, die gezielt nach Entscheidungslogik, Ausnahmen und Warnsignalen fragen.
Wissenstransfer
Wissenstransfer ist die Weitergabe von Wissen zwischen Personen, Rollen oder Teams, meist von erfahrenen Kolleginnen und Kollegen an Nachfolge oder neue Teammitglieder.
Der persönliche Weg über Einarbeitung, Mentoring und Übergabegespräche funktioniert, skaliert aber nicht. Er scheitert, wenn die Zeit fehlt oder die Person schon weg ist. Dann kommen Ausgeschiedene nicht selten als Berater zurück, zum zwei- bis dreifachen Tagessatz (HBR). Systematischer Wissenstransfer löst das Wissen von der Person: einmal erfasst, dann als Übergabedokument, Wissensartikel, Training oder KI-Kontext ausgespielt. Praxisnah beschrieben ist das im Beitrag Wissenstransfer im Offboarding.
Intelligence Management
Intelligence Management ist die Disziplin, Erfahrungswissen systematisch zu erfassen, zu prüfen und dort verfügbar zu machen, wo entschieden wird, für Menschen und für KI-Systeme.
Typisch sind vier Phasen:
- Identify: Wo sitzt kritisches Wissen, und was davon ist gefährdet?
- Capture: Erfassung, etwa per KI-Experteninterview.
- Consolidate: Strukturieren, Widersprüche klären, freigeben.
- Enable: Ausspielen als Wissensartikel, Training oder Kontext für KI-Agenten.
Das Ergebnis ist kein Archiv, sondern ein geprüfter Wissensbestand mit verantwortlicher Person, Gültigkeitsdatum und Herkunft. Ohne diese Grundlage skaliert KI Fehler statt Kompetenz.
Wissensmanagement vs. Intelligence Management
Die beiden Begriffe werden oft synonym verwendet, meinen aber Verschiedenes. Wissensmanagement organisiert, was schon dokumentiert ist: Ablagen, Wikis, Intranet, Suche. Seine Grenze: Rund 42 Prozent des jobbezogenen Wissens sind nirgendwo dokumentiert (Panopto/McKinsey) und bleiben damit für jedes noch so gute Wiki unsichtbar. Dazu kommt, dass Inhalte ohne aktive Pflege veralten.
Intelligence Management setzt beim undokumentierten Wissen an, erfasst es aktiv und prüft es, bevor es genutzt wird.
Kurz: Wissensmanagement macht Dokumente auffindbar. Intelligence Management macht Erfahrung nutzbar.
Wie kommt das Wissen zu KI-Systemen?
RAG (Retrieval-Augmented Generation)
RAG ist ein Verfahren, bei dem ein Sprachmodell vor der Antwort passende Inhalte aus einer Wissensbasis bekommt. Statt aus dem Training zu raten, antwortet es auf Basis konkreter Quellen.
Der Nutzen hängt vollständig an der Wissensbasis. Eine Meta-Analyse aus 2024 zeigt, dass RAG mit geprüftem Kontext Halluzinationen um 40 bis 71 Prozent senkt. Umgekehrt gilt: Stehen veraltete oder widersprüchliche Dokumente in der Basis, liefert RAG genau diese Fehler zurück, nur flüssiger formuliert. Omnora Intelligence Management stellt den geprüften Wissensbestand deshalb über eine eigene RAG-API bereit.
MCP (Model Context Protocol)
Das Model Context Protocol ist ein offener Standard dafür, wie KI-Assistenten und Agenten auf externe Datenquellen und Werkzeuge zugreifen. Ein MCP-Server stellt Inhalte oder Funktionen bereit, und jedes MCP-fähige System kann sie nutzen, unabhängig vom Modellanbieter.
Für Unternehmenswissen heißt das: Die Wissensbasis wird einmal als MCP-Server angebunden, statt für jeden Copilot und jeden Chatbot eine eigene Integration zu bauen. Die Qualitätsfrage bleibt dieselbe wie bei RAG. Ein Agent, der über MCP auf veraltete Ablagen zugreift, handelt auf veralteter Grundlage.
Wie wird daraus Training?
SCORM und xAPI
SCORM und xAPI sind die beiden Standards, über die Lerninhalte mit Learning-Management-Systemen sprechen.
- SCORM ist der etablierte Weg: Ein Kurs wird als Paket exportiert, ins LMS importiert und meldet Abschluss und Ergebnis zurück. Praktisch jedes LMS kann das, deshalb ist SCORM die Grundlage für Pflichttrainings mit Nachweis.
- xAPI ist flexibler und protokolliert Lernereignisse auch außerhalb des LMS, etwa „Video gesehen“ oder „Quiz bestanden“.
Die praktische Hürde bei SCORM: Jede inhaltliche Änderung bedeutet Neuexport und Neuimport. Omnora Authoring Automation löst das mit Remote-Updates, das Paket im LMS aktualisiert sich ohne Neuimport. Mehr dazu im Beitrag SCORM erklärt.
Employee-generated Content (EGC)
Employee-generated Content sind Lern- und Wissensinhalte, die Mitarbeitende aus den Fachbereichen selbst erstellen, statt dass eine zentrale Redaktion oder Agentur jede Trainingsminute produziert.
Das funktioniert, weil das Wissen in den Fachbereichen sitzt und nicht in L&D. Wenn Expertinnen und Experten direkt produzieren können, entfällt die teuerste Schleife der Trainingsproduktion: das Briefing zwischen Fachbereich und Produktion. L&D steuert Qualität, Governance und Rollout, die Erstellung verteilt sich. Bei DPD arbeiten so rund 240 aktive Autorinnen und Autoren, die in zweieinhalb Jahren über 1.800 Videos erstellt haben.
Wie die Begriffe zusammenhängen
Die zehn Begriffe beschreiben eine Kette. Am Anfang steht implizites Wissen und darin das Erfahrungswissen, das in keinem Dokument steht. Wissenssicherung und Wissenstransfer sorgen dafür, dass es nicht mit der Person geht. Intelligence Management macht daraus einen geprüften Bestand. RAG und MCP bringen diesen Bestand zu KI-Systemen, SCORM, xAPI und Employee-generated Content zu den Menschen, die lernen.
Wer an einer Stelle der Kette spart, merkt es am Ende. Ein Chatbot ist nur so verlässlich wie das Wissen, auf das er zugreift, und ein Training nur so gut wie die Erfahrung, die darin steckt.
