Sie stellen eine einfache Frage. Der KI-Assistent liefert … irgendetwas. Unvollständig, halb richtig, jedenfalls nicht das, was Sie gesucht haben. Dabei wissen Sie genau: Die Information ist im System. Irgendwo.
Woran das liegt, hat selten etwas mit dem Modell zu tun. Dasselbe Bauteil heißt im PLM „Dichtring", im PDM „Dichtungsring", in der Stückliste „O-Ring 12x2" und in der Konstruktion seit 2014 „Teil_final_v3". Zehn Namen, ein Bauteil – und eine KI, die keine Chance hat, das zusammenzubringen. Wenn Sie aber jede KI-Antwort erst mühsam prüfen müssen, ist der Nutzen schon dahin.
Genau hier scheitern die meisten KI-Projekte.
Wo das Wissen wirklich steckt
Der Grund: Die meisten Unternehmensdaten sind unstrukturiert. Sie stecken in Dokumenten – Richtlinien, Berichten, Verträgen, Produktspezifikationen. Das ist kein Nebenschauplatz, sondern wertvolles, firmeneigenes Wissen, auf dem der Geschäftsbetrieb fußt.
Stunden für eine Antwort
Früher bedeutete der Zugriff auf dieses Wissen: Mitarbeiter suchten Dateien, riefen sie ab, lasen sie und stellten Informationen aus verschiedenen Quellen von Hand zusammen. Bei einer einfachen Frage kostete das Minuten. Bei komplexen Fragen, deren Antworten sich über mehrere Dokumente erstreckten, Stunden oder Tage.
Die KI soll diese Arbeit übernehmen. Aber sie kann nur finden, was sie versteht – und sie versteht kein Bauteil mit zehn Namen und kein Dokument, das in einem Silo verschwindet, von dem sie nichts weiß.
Aus Silos wird ein Archiv
Deshalb ist die eigentliche Aufgabe keine technische. Es geht darum, aus verstreuten Ablagen kuratierte Sammlungen zu machen: ein Quellarchiv, in dem Dinge einen Namen haben und diesen Namen behalten. Das ist eine Kraftanstrengung – und für viele Unternehmen eine Kampfansage an die eigene Praxis, Daten in Silos wegzuschließen, statt sie zugänglich zu machen.