KKC_0261 | KI im Wissensmanagement: Automatisierte Wikis

Ein Wiki scheitert selten an der Software, sondern an veralteten Inhalten, fehlender Ownership und der Zeit, Wissen sauber zu dokumentieren. In diesem Seminar entwickeln Sie ein KI-gestütztes Vorgehen, das genau diese Engpässe adressiert: Aus vorhandenen Dokumenten entstehen strukturierte Artikel, die sich mit Quellen belegen lassen und über klare Workflows gepflegt werden. Sie starten mit einer Wissensarchitektur, die für Menschen und KI gleichermaßen funktioniert: Domänen, Artikeltypen, Taxonomie, Verantwortlichkeiten und eine Definition of Done, die Aktualität und Nachvollziehbarkeit erzwingt.

Darauf aufbauend planen Sie eine Content-Pipeline: Welche Quellen sind relevant, wie werden Inhalte extrahiert, bereinigt und in sinnvolle Abschnitte zerlegt, und wie gehen Sie mit Duplikaten und Versionen um. Anschließend setzen Sie die Logik von Retrieval-Augmented Generation (RAG) ein, um Artikel und QundA-Abschnitte mit belastbaren Zitaten zu erstellen. Sie lernen, wie Vektorsuche, Hybrid Search und Re-Ranking die Trefferqualität erhöhen und welche Guardrails Halluzinationen praktisch reduzieren.

Ein Schwerpunkt liegt auf Betrieb und Governance: Rollenmodell, Freigaben, Human-in-the-Loop, Protokollierung von Prompts und Quellen sowie der Umgang mit sensiblen Daten. Zum Abschluss definieren Sie KPIs und ein Evaluations-Set, mit dem Sie Qualität und Nutzen messbar machen, und erstellen eine Roadmap vom Pilot bis zum stabilen Betrieb.

• Wissensdomänen, Artikeltypen und Verantwortlichkeiten definieren
• Taxonomien und Qualitätskriterien für automatisierte Wikis entwickeln
• Quellen extrahieren, bereinigen, segmentieren und versionieren
• Content-Pipelines für strukturierte Wissensartikel planen
• Retrieval-Augmented Generation für belegte Inhalte einsetzen
• Vektor- und Hybridsuche im Wissensmanagement einordnen
• Freigabe-, Aktualisierungs- und Ownership-Prozesse gestalten

Das Seminar richtet sich an Wissensmanager/innen, Informationsmanager/innen, Prozessverantwortliche, Redakteur/innen sowie Fachkräfte aus IT, Qualitätsmanagement und Organisationsentwicklung.

Grundkenntnisse im Wissens- oder Dokumentenmanagement sind hilfreich. Technische Kenntnisse zu Datenbanken oder KI-Systemen sind nicht erforderlich.

• Wissensarchitektur, die KI wirklich nutzen kann
  • Wissensdomänen, Artikeltypen, Taxonomie und Ownership
  • „Single Source of Truth“ vs. verteilte Quellen
  • Definition of Done für Wiki-Artikel
  • Qualitätskriterien: Aktualität, Nachvollziehbarkeit, Zitierfähigkeit
• Content-Pipeline: Von Dateien zum Wiki
  • Quelleninventar: SharePoint, Confluence, Tickets, PDFs, E-Mails
  • Extraktion, Bereinigung, Chunking und Metadaten
  • Duplikate, Versionen und „Near Duplicates“ erkennen
  • Automatisierte Vorlagen für Artikel und FAQs
• RAG für Wikis: Antworten mit Quellen
  • Retrieval-Augmented Generation für Wissensartikel
  • Vektorsuche, Hybrid Search und Re-Ranking
  • Zitations- und Link-Strategien im Wiki
  • Halluzinationen reduzieren: Guardrails und Quellenpflicht
• Automatisierte Erstellung und Pflege
  • Artikel-Generator: Struktur, Tonalität, Terminologie
  • Änderungserkennung und Auto-Updates
  • Review-Workflows: Human-in-the-Loop
  • „Stale Content“ finden und priorisieren
• Governance, Rechte und Compliance
  • Rollenmodell: Autorenschaft, Freigabe, Redaktion
  • Rechte, Sensitivität, PII und Zugriffskontrollen
  • Auditierbarkeit: Prompt- und Quellenprotokolle
  • Risikobewertung und Freigaberegeln
• Qualität messbar machen
  • KPIs: Abdeckung, Suchtrefferquote, Deflection Rate
  • Evaluations-Set für Q&A und Artikelqualität
  • Feedback-Schleifen aus Support und Betrieb
  • Roadmap: Pilot, Rollout, Betrieb