Kurz gefasst
- Wissensarbeitende verlieren rund ein Fünftel ihrer Woche damit, interne Informationen zu suchen und herauszufinden, welche Kollegin oder welcher Kollege sie kennt. Diese verlorene Zeit ist das Argument für einen Assistenten, nicht die Technologie.
- Der Nutzen ist real, aber ungleich verteilt. Dasselbe Werkzeug, das die Gesamtproduktivität um 14% steigert, bringt neue und weniger erfahrene Mitarbeitende um 34% voran, weil es ihnen die Antworten gibt, die die alten Hasen längst im Kopf haben.
- Ob die Menschen einem Assistenten vertrauen oder ihn stillschweigend aufgeben, entscheidet sich an der Governance: ein klar abgegrenzter Korpus, belegte Quellen und die Disziplin, alles aktuell zu halten. Fehlt sie, erfindet das System Richtlinien.
Fragen Sie eine Mitarbeiterin an der Front, wo die Antwort steht, und Sie bekommen selten ein Dokument. Sie bekommen einen Namen. Die Richtlinie steckt in jemandes Kopf, die Ausnahme in einem Thread vom letzten Frühjahr, und die aktuelle Fassung des Playbooks liegt auf dem Rechner einer langjährigen Kollegin. Jedes Unternehmen läuft auf Wissen, an das es nicht ohne Weiteres herankommt.
Die Kosten sind alles andere als abstrakt. Sie werden jeden Tag in derselben Währung bezahlt, und zwar von allen.
Das Problem ist der Zugriff, nicht die Information
Unternehmen fehlt es nicht an Wissen. Es fehlt ihnen ein Weg, an dieses Wissen heranzukommen. Eine McKinsey-Studie zu Interaktionsarbeitenden ergab, dass fast ein Fünftel der Arbeitswoche dafür draufgeht, interne Informationen zu suchen oder die Person aufzuspüren, die sie kennt. In einer wissensintensiven Funktion heißt das: ein Tag von fünf, an dem gesucht statt betreut wird.
Genau hier setzt ein interner Assistent an. Er erschließt die Richtlinien, Playbooks und Produktdokumentationen, die ein Unternehmen ohnehin besitzt, indexiert sie und beantwortet Fragen in klarer Sprache, mit Verweis auf die jeweilige Quelle. Dieselbe Untersuchung ergab, dass durchsuchbares Wissen die Suchzeit um bis zu 35% senken kann. Es geht nicht um den Reiz des Neuen. Es geht um zurückgewonnene Stunden.
Unternehmen fehlt es nicht an Wissen. Es fehlt ihnen ein Weg, an dieses Wissen heranzukommen.
Die Gewinne wirken dort am stärksten, wo die Erfahrung am dünnsten ist
Der belastbarste Beleg stammt aus einer Studie mit 5.179 Kundenservice-Mitarbeitenden, denen ein generativer Assistent zur Seite gestellt wurde, der in Echtzeit Antworten vorschlug. Im Schnitt stieg damit die Zahl der gelösten Anliegen pro Stunde um 14%. Doch der Durchschnitt verdeckt das Entscheidende. Unerfahrene und weniger qualifizierte Mitarbeitende legten um 34% zu, während sich bei den erfahrensten kaum etwas tat.
Dieses Gefälle ist das eigentliche Argument für internes Wissen als Anwendungsfall. Der Assistent wirkt, indem er sichtbar macht, was Ihre besten Leute längst wissen, und es allen anderen verfügbar macht. Er verkürzt die Lernkurve und macht aus jemandem mit zwei Monaten Betriebszugehörigkeit faktisch eine Kraft mit sechs.
Abbildung 1
Ein KI-Assistent hebt die Unerfahrensten am stärksten
Quelle: Brynjolfsson, Li & Raymond, NBER (Produktivität gemessen als gelöste Anliegen pro Stunde)
Deshalb ist internes Wissen vom Nebenprojekt zur Priorität an der Front geworden. In einer McKinsey-Befragung von 2024 gaben 65% der Unternehmen an, generative KI regelmäßig zu nutzen, fast doppelt so viele wie zehn Monate zuvor. Ein wiederkehrendes Muster in dieser Verbreitung ist eine dialogorientierte Oberfläche über internen Inhalten.
Was einen Assistenten, der Vertrauen verdient, von einem trennt, der es verspielt
Die Technik ist der leichte Teil. An der Disziplin entscheidet sich, ob die Menschen das Werkzeug nach der ersten falschen Antwort überhaupt weiter nutzen. Fünf Praktiken trennen die Einführungen, die sich auszahlen, von denen, die still vor sich hin verkümmern.
- Grenzen Sie den Korpus ab. Beginnen Sie mit einem gut gepflegten Inhaltsbereich, etwa HR-Richtlinien, Service-Playbooks oder Produktdokumentation, und sagen Sie den Nutzenden klar, was der Assistent weiß und was nicht. Ein enger Assistent, der richtig liegt, schlägt einen breiten, der rät.
- Verankern Sie jede Antwort und belegen Sie sie. Antworten sollten aus freigegebenen Inhalten stammen und mit Quellenangabe zurückkommen, damit Mitarbeitende sie mit einem Klick prüfen können. Der Assistent macht einen Vorschlag; die Quelle entscheidet.
- Behandeln Sie Aktualität als Aufgabe, nicht als Hoffnung. Veraltete Wissensbestände sind die Brutstätte von Halluzinationen. Legen Sie fest, wer dafür verantwortlich ist, was hinzukommt, entfernt und geprüft wird, und in welchem Rhythmus.
- Steuern Sie den Zugriff über Berechtigungen. Internes Wissen unterliegt Berechtigungen. Der Assistent muss respektieren, wer was sehen darf, sonst wird er zum Datenleck mit freundlicher Oberfläche.
- Schließen Sie die Feedback-Schleife. Beobachten Sie, welche Fragen er nicht beantworten kann und welche Antworten die Menschen verwerfen. Diese Lücken sind die Roadmap für die nächste Runde an Inhalten, kein Grund, das Werkzeug aufzugeben.
Warum die Wirtschaftlichkeit trägt
Dass dieser Anwendungsfall in ernsthaften Analysen immer wieder auftaucht, hat einen Grund: Der Wert ballt sich genau dort, wo diese Unternehmen arbeiten. McKinsey zählt den Kundenservice zu den vier Funktionen, die den Großteil des Potenzials generativer KI auf sich vereinen, mit Produktivitätsgewinnen in Höhe von 30 bis 45% der heutigen Funktionskosten. Ein interner Assistent ist der Weg, auf dem dieses Potenzial am Arbeitsplatz ankommt: nicht indem er die Fachkraft ersetzt, sondern indem er deren Wissen für alle verfügbar macht, genau in dem Moment, in dem sie es brauchen.
Unternehmen, die es richtig anstellen, behandeln den Assistenten nicht als Feature. Sie führen ihn als verwaltete Schicht über ihrem Fachwissen, mit derselben Ernsthaftigkeit wie das Wissen darunter. Das ist der Sprung vom Ausrollen eines Chatbots zum Betrieb einer echten Wissensfunktion.
Wie wir interne Wissensassistenten konzipieren und steuern, zeigt unsere Arbeit in den Bereichen Advisory und Experience Strategy. Oder werfen Sie einen Blick in die Fallstudien.
Quellen
- McKinsey Global Institute, "The social economy: Unlocking value and productivity through social technologies," mckinsey.com.
- Brynjolfsson, Li & Raymond, "Generative AI at Work," National Bureau of Economic Research, nber.org.
- McKinsey, "The state of AI in early 2024: Gen AI adoption spikes and starts to generate value," mckinsey.com.
- McKinsey, "The economic potential of generative AI: The next productivity frontier," mckinsey.com.