In Gesprächen mit unseren Kunden kommt ein Thema in letzter Zeit immer häufiger auf: Wissen.

Genauer gesagt die Frage, wie man das Wissen, das über viele Jahre im Unternehmen entstanden ist, besser sichern und für andere zugänglich machen kann.

Denn meistens fehlt es gar nicht an Informationen. Sie sind nur überall verteilt: im ERP oder CRM, in technischen Dokumentationen, alten Tickets, E-Mails oder auf verschiedenen Plattformen. Und manches steht eben nirgendwo. Es steckt in den Köpfen der Kolleginnen und Kollegen, die seit 10, 20 oder 30 Jahren dabei sind.

Das wird spätestens dann zum Problem, wenn Teams sich verändern oder erfahrene Mitarbeitende in Rente gehen. Plötzlich merkt man, wie viel wichtiges Know-how nie wirklich dokumentiert wurde.

Viele unserer Kunden sehen hier Potenzial für KI. Gleichzeitig hören wir oft die Frage: Wie fangen wir damit überhaupt an?

Erst das Problem verstehen, dann über KI sprechen

Aus unserer Erfahrung bringt es wenig, mit der Frage zu starten, welches KI-Tool man einsetzen möchte.

Interessanter ist zunächst: Wo geht heute im Arbeitsalltag Zeit verloren? Welches Wissen wird immer wieder gesucht? Welche Informationen sind schwer zugänglich? Und bei welchen Fragen landet man am Ende doch immer bei denselben zwei oder drei erfahrenen Kollegen?

Ein typisches Beispiel ist der technische Service. Eine Kundenanfrage kommt rein und die Antwort existiert eigentlich schon irgendwo. Vielleicht in einer Dokumentation, einem alten Ticket oder im ERP. Vielleicht kennt sie aber auch nur ein Kollege, der einen ähnlichen Fall vor drei Jahren schon einmal gelöst hat.

Genau an solchen Stellen kann KI interessant werden: nicht um neues Wissen zu erfinden, sondern um vorhandenes Wissen einfacher auffindbar und nutzbar zu machen.

Kein Use Case gleicht dem anderen

Das ist auch etwas, das unser Team bei KI-Projekten immer wieder erlebt.

Antoine, Project Manager & Software Architect bei Actimage, beschreibt es so:

Und genau das macht diese Projekte für uns spannend.

Man kann natürlich ähnliche technologische Bausteine verwenden. Aber wie eine Lösung am Ende aussieht, hängt stark davon ab, wie ein Unternehmen arbeitet, welche Systeme bereits vorhanden sind und was die Mitarbeitenden tatsächlich brauchen.

Deshalb starten wir gerne gemeinsam am Tisch

Bevor wir eine Lösung vorschlagen, möchten wir erst einmal verstehen, was beim Kunden wirklich passiert.

Dafür bieten wir Workshops an, in denen wir gemeinsam mit den Fachbereichen über Prozesse, Daten und konkrete Herausforderungen sprechen. Oft werden dabei schon sehr schnell mögliche Use Cases sichtbar.

Danach schauen wir gemeinsam, welche davon wirklich sinnvoll sind. Denn nur weil sich etwas mit KI umsetzen lässt, heißt das noch lange nicht, dass man es auch umsetzen sollte.

Ein wichtiger Punkt ist deshalb auch der mögliche ROI. Wie viel Zeit wird heute mit der Suche nach Informationen verbracht? Wie häufig treten bestimmte Anfragen auf? Was bedeutet es für das Unternehmen, wenn wichtiges Wissen verloren geht? Könnten Servicefälle schneller bearbeitet oder neue Mitarbeitende schneller eingearbeitet werden?

Wir versuchen, solche Fragen möglichst früh gemeinsam zu beantworten. So bekommt der Kunde nicht nur eine Idee davon, was technisch möglich ist, sondern auch davon, wo sich der Einsatz tatsächlich lohnen kann.

Eine mögliche Lösung: unser Virtueller Mitarbeiter

Aus genau solchen Fragestellungen ist auch unser Virtueller Mitarbeiter, eine anpassbare KI-Wissensplattform, entstanden.

Die Idee dahinter: Informationen aus unterschiedlichen Quellen wie CRM, ERP, MES, E-Mails, Tickets oder Dokumentationen zusammenzubringen und über natürliche Sprache zugänglich zu machen.

Ein Servicemitarbeiter muss dann beispielsweise nicht mehr mehrere Systeme einzeln durchsuchen, sondern kann direkt nach den Informationen fragen, die er für einen konkreten Fall benötigt.

Wichtig ist uns dabei, dass die Lösung nicht bei jedem Kunden gleich aussehen muss. Welche Quellen angebunden werden, welche Funktionen gebraucht werden und wie die Lösung in bestehende Prozesse integriert wird, lässt sich an den jeweiligen Anwendungsfall anpassen.

Lieber konkret anfangen als alles auf einmal lösen

Für den Einstieg in KI braucht es aus unserer Sicht nicht sofort ein riesiges Transformationsprojekt.

Oft ist ein konkretes Problem der bessere Anfang.

Ein Prozess, bei dem heute viel gesucht wird. Ein Bereich, in dem Wissen stark von einzelnen Personen abhängt. Oder ein Service-Team, das regelmäßig auf Informationen aus mehreren Systemen zugreifen muss.

Damit kann man anfangen, Erfahrungen sammeln und gemeinsam sehen, was funktioniert und welchen Mehrwert es tatsächlich bringt.

Vielleicht ist deshalb die erste Frage gar nicht:

„Welche KI brauchen wir?“

Sondern viel einfacher:

„Wo haben wir heute Wissen, das eigentlich da ist – aber nicht dort ankommt, wo es gebraucht wird?“

Mehr zu unserem Virtuellen Mitarbeiter – KI-Wissensplattform

‍