Gkc26-Session: Wenn Chatbots Wissensartefakte zum Sprechen bringen: Brauchen wir neue Wissensmanagement-Frameworks?
Weitere Optionen
Diese Seite ist KI-generiert. Sowohl die Zusammenfassung als auch das zugrundeliegende Transkript der Videoaufzeichnung wurden mithilfe von KI erstellt.
| Wenn Chatbots Wissensartefakte zum Sprechen bringen: Brauchen wir neue Wissensmanagement-Frameworks? | |
|---|---|
| Art | Barcamp-Session |
| KnowledgeCamp | KnowledgeCamp 2026 |
| Sessiongebende | Peter Heisig, Stefan Holtel
|
| Datum | 08.10.2026 |
| Zeit | 16:00 bis 16:45 Uhr |
| Raum | Potsdam (1.OG) |
| Sprache | Deutsch |
| Aufzeichnung | YouTube |
| Im Programm | Pretalx |
| KI-Unterstützung | Whisper large-v3 (Transkription), gpt-6.1-sol (Redaktion) |
Aus dem Veranstaltungsprogramm:
Der Impuls wird als geführter Dialog mit einem Chatbot aufgebaut. Der vorab geführte Chat wird gezeigt und bildet den roten Faden der Session. Einzelne Passagen werden von beiden Moderatoren kommentiert, eingeordnet und kritisch hinterfragt. Einer der Moderatoren war als Autor an einer systematischen Analyse von Wissensmanagement-Frameworks beteiligt und wird deren ursprüngliche Logik und Entstehung aus erster Hand einordnen.
Ziel ist eine zumindest theorie-informierte Hypothese dazu, ob und wie etablierte Wissens-management-Frameworks unter den Bedingungen der KI-Ära reinterpretiert oder überarbeitet werden sollten. Welche praktischen Konsequenzen daraus für Organisa¬ionen entstehen, diskutieren wir anschließend mit den Teilnehmenden.
Was erwartet die Teilnehmenden?Ein 20- bis 25-minütiger Impuls in Form einer ungewöhnlichen Doppel-Conference:
- Ein klassisches Wissensmanagement-Framework als Ausgangspunkt
- Ein vorab geführter, verbatim gezeigter Chatbot-Dialog als roter Faden
- Kommentare aus heutiger Perspektive und aus Sicht eines Autors der damaligen Framework-Analyse
- Eine schrittweise Prüfung zentraler WM-Begriffe unter LLM-Bedingungen
- Eine theorie-informierte Hypothese
- Anschließend offene F+A und Diskussion über die praktische Relevanz für Wissensmanagement in Organisationen
Zielgruppe
Die Session richtet sich an Wissensmanager:innen, WM-Entscheider:innen und alle organisationalen Rollen, die Wissensmanagement gestalten, verantworten oder weiterentwickeln.
Zusammenfassung
Die Barcamp-Session von Peter Heisig und Stefan Holtel untersuchte, ob KI-Chatbots bestehende Wissensmanagement-Frameworks lediglich um neue Werkzeuge ergänzen oder deren Begriffe und Grundannahmen verändern. Ausgangspunkt war eine um 2005 entstandene vergleichende Untersuchung von Wissensmanagement-Frameworks. Anhand einer angeleiteten Chatbot-Auswertung dieser Studie wurde demonstriert, wie sich ältere Modelle neu strukturieren und auf mögliche Veränderungen durch KI befragen lassen.
Im Mittelpunkt stand die These, dass Wissensartefakte durch Chatbots nicht mehr nur gelesen, sondern im Dialog erschlossen, erklärt und auf konkrete Situationen bezogen werden können. Die Diskussion hinterfragte jedoch, wie neu diese Funktionen tatsächlich sind: Vieles, was Chatbots übernehmen, wurde zuvor bereits im Austausch zwischen Menschen geleistet. Entsprechend blieb offen, ob neue Frameworks erforderlich sind oder ob sich vor allem Rollen, Zugänge und Geschwindigkeiten verändern.
Als zentrale Fragen erwiesen sich die begriffliche Abgrenzung von Daten, Information und Wissen, die Prüfung KI-generierter Ergebnisse sowie das Verhältnis zwischen individueller Assistenz und gemeinschaftlicher Wissensarbeit. Ein neues Framework wurde nicht verabschiedet. Die Session machte vielmehr unterschiedliche Deutungen und weiteren Klärungsbedarf sichtbar.
Ausgangspunkt: Der Vergleich bestehender Frameworks
Peter Heisig erläuterte die Entstehung der Untersuchung aus einer europäischen Initiative zum Wissensmanagement. Für eine Arbeitsgruppe zum European Framework for Knowledge Management sollten zunächst alle Beteiligten einige bevorzugte Frameworks mitbringen, um sich anschließend auf eine gemeinsame Grundlage zu verständigen. Diese Vorstellung erwies sich angesichts der unterschiedlichen Ansätze als zu einfach.
Daraufhin wurden weltweit verfügbare Frameworks gesammelt und gemeinsam mit Roland Orth ausgewertet. Berücksichtigt wurden Modelle aus Wissenschaft, Beratung und Unternehmen, deren Entstehung ungefähr bis in die Mitte der 1990er-Jahre zurückreichte. Die Untersuchung sollte Gemeinsamkeiten erkennbar machen, die hinter unterschiedlichen Begriffen und Darstellungen lagen.
Die manuelle Auswertung orientierte sich an drei Perspektiven:
- Wissensverständnis: Definiert das Framework, was unter Wissen verstanden wird?
- Umgang mit Wissen: Welche Aktivitäten oder Prozesse beschreibt es?
- Erfolgsfaktoren und Rahmenbedingungen: Welche technischen, organisatorischen oder weiteren Voraussetzungen berücksichtigt es?
Für die Analyse der Aktivitäten wurden semantische Gruppen gebildet. Unterschiedliche Bezeichnungen sollten nicht automatisch als unterschiedliche Konzepte behandelt werden. Heisig verwies darauf, dass Beratungen und Forschende auch aus Gründen der Abgrenzung eigene Begriffe wählen können, obwohl sie Ähnliches meinen.
Die damalige Arbeit bildete die Grundlage für das Experiment der Session: Was lässt sich erkennen, wenn diese älteren Frameworks aus der Perspektive heutiger Chatbots erneut betrachtet werden?
Demonstration: Eine Studie mit dem Chatbot erschließen
Die Studie wurde als PDF in einen Chatbot eingebracht. Die Demonstration folgte einem mehrstufigen Vorgehen: Statt unmittelbar nach einem neuen Wissensmanagement-Modell zu fragen, wurde der Chatbot zunächst dazu angeleitet, das Material zu ordnen und Vergleichsdimensionen zu entwickeln.
Drei Vergleichsperspektiven
Zunächst wurden die Frameworks als deskriptiv, präskriptiv oder hybrid eingeordnet. Heisig erläuterte, dass diese Unterscheidung bereits in der wissenschaftlichen Vorarbeit aufgegriffen worden war und nicht erst durch den Chatbot entstand.
Anschließend wurden die Modelle auf gemeinsame Kernaktivitäten bezogen: Identify, Acquire, Create, Share und Use. Der Chatbot sollte zusätzlich bewerten, wie stark diese Aktivitäten in den jeweiligen Frameworks ausgeprägt seien. Die gezeigten Tabellen veranschaulichten nach seiner Einschätzung sowohl relativ gleichmäßige Abdeckungen als auch deutliche Schwerpunkte.
Eine dritte Perspektive betraf die Orientierung der Frameworks an Menschen, Kultur, Organisation, Prozessen, Technologie sowie Strategie und Messung. Hier wurde mit einer gröberen Einstufung gearbeitet.
Die Ergebnisse wurden ausdrücklich als vorläufige Chatbot-Einschätzungen behandelt. Für eine belastbare Analyse wären eine genauere Operationalisierung und methodische Prüfung erforderlich. Auch die versuchsweise Addition von Bewertungen zu einer Rangliste belegte keine allgemeine Überlegenheit einzelner Modelle.
Strukturierung als Vorbereitung weiterer Fragen
Der Zweck dieser Schritte lag nicht allein in den Tabellen. Die zusätzliche Kategorisierung sollte das Material für anschließende Fragen erschließen. In der Vorführung wurde dies als Aufbau weiterer Indizes beschrieben: Aus einer Sammlung einzelner Frameworks sollte eine übergreifende Vergleichsstruktur entstehen.
Damit wurde zugleich ein Verständnis von KI-Nutzung demonstriert, bei dem der Chatbot nicht unbeaufsichtigt analysiert, sondern durch aufeinander aufbauende Fragen geführt wird. Die Zwischenresultate dienten als Grundlage für die eigentliche Frage nach Veränderungen des Wissensmanagements durch KI.
Vom Dokument zur dialogischen Wissensarbeit
Als wesentliche Veränderung wurde die dialogische Erschließung von Wissensartefakten vorgeschlagen. Ein umfangreicher Text muss demnach nicht ausschließlich linear gelesen werden. Nutzende können ihn nach bestimmten Zusammenhängen befragen, Erläuterungen anfordern und sich bei der Formulierung ihres Informationsbedarfs unterstützen lassen.
Am Beispiel von Share wurde diese Verschiebung zugespitzt: Statt lediglich ein Dokument zu versenden, könne es darum gehen, einer bestimmten Person in einem konkreten Kontext eine nachvollziehbare Antwort zu geben. Die Bedeutung des Teilens läge dann stärker in der situationsbezogenen Vermittlung als in der bloßen Verfügbarkeit eines Artefakts.
Auch das Finden von Wissen wurde diskutiert. Ein Chatbot könne nicht nur Antworten liefern, sondern durch Rückfragen helfen, eine zunächst unklare Frage zu entwickeln. Als Beispiel wurde ein sokratisches Vorgehen genannt: Das System stellt Fragen und unterstützt die nutzende Person dabei, ihren Bedarf zu klären.
Neue Funktion oder andere Rollenverteilung?
In der Diskussion wurde dieser Neuheitsanspruch relativiert. Die Klärung eines Informationsbedarfs gehörte bereits zuvor etwa zu bibliothekarischen Beratungsgesprächen. Ebenso entstanden Erkenntnisse schon lange im Austausch mit Kolleginnen und Kollegen. Auch Web 2.0 wurde als vorausgehender Schritt zu stärkerer Interaktion und gemeinschaftlicher Inhaltsproduktion angeführt.
Eine mögliche Veränderung wurde deshalb eher in der Rollenverteilung gesehen: Der Chatbot kann Aufgaben eines menschlichen Gesprächspartners übernehmen und ist nicht in gleicher Weise von dessen Verfügbarkeit abhängig. Daraus folgt jedoch nicht zwangsläufig, dass die zugrunde liegenden Wissensmanagement-Aktivitäten neu sind.
Diese Spannung blieb bestehen. Einerseits wurde ein qualitativer Wandel durch KI betont, andererseits gefragt, ob vor allem ein neuer Akteur in bekannte Prozesse eintritt.
Begriffe, Kontext und der Arbeitsmoment
Wiederholt zeigte sich, dass die Diskussion von unterschiedlichen Wissensbegriffen abhing. In einem Beitrag wurde kritisiert, dass häufig von Wissen gesprochen werde, obwohl Daten oder Informationen gemeint seien. Die Aussage, ein Chatbot besitze Wissen, wurde entsprechend bestritten; als entscheidend wurde dort die Anwendung von Informationen hervorgehoben.
Auch verschiedene Modelle zur Einordnung wurden angesprochen, darunter die Wissenstreppe und Blooms Taxonomie. Dabei wurde deutlich, dass diese Modelle unterschiedliche Fragen behandeln und nicht ohne Weiteres austauschbar sind. Eine vertiefte Diskussion darüber wurde nicht geführt.
Als Arbeitsthese stand im Raum, dass ältere begriffliche Unschärfen durch KI stärker ins Gewicht fallen. Wenn Systeme Inhalte erklären, kombinieren und möglicherweise Handlungen ausführen, müsse genauer geklärt werden, welche Leistung jeweils gemeint ist.
Situative Aktivierung statt alleiniger Bereitstellung
Ein weiterer Schwerpunkt war die Zeitlichkeit der Wissensarbeit. Die vorgeführte Interpretation betonte, dass Inhalte unmittelbar im Arbeitsmoment erschlossen, geprüft und angewendet werden können. Als Beispiel wurde beschrieben, wie ein Chatbot in einer Lehrveranstaltung live Beiträge zu einer gemeinsamen Diskussion liefert, ohne deren Führung zu übernehmen.
Die mögliche Veränderung wurde damit nicht nur an neuen Tätigkeiten festgemacht, sondern an ihrer engeren zeitlichen Verbindung: Fragen, Erklären, Rekombinieren und Anwenden können innerhalb einer laufenden Situation ineinandergreifen.
Dagegen wurde das Bedürfnis nach verlässlichen Expertenantworten gestellt. Unterschiedliche Antworten auf dieselbe Frage können irritieren. Zugleich wurde darauf hingewiesen, dass auch menschliche Fachleute abhängig von Kontext, Assoziationen und Rückfragen unterschiedlich antworten. Verschiedenheit sei deshalb nicht automatisch mit Unrichtigkeit gleichzusetzen.
Prüfung, Fachkompetenz und agentische Systeme
Die Rekombination vorhandener Inhalte wurde als wichtige Möglichkeit von Chatbots beschrieben. Gerade in der Produktentwicklung könne sie helfen, gewohnte Lösungswege zu verlassen und zusätzliche Kombinationen zu erwägen.
Dem stand die Frage gegenüber, wer die Brauchbarkeit dieser Kombinationen beurteilt. Ein Einwand lautete, dass bei positiven Berichten über KI-Ergebnisse häufig der Aufwand ihrer Überprüfung unsichtbar bleibe. Domänenwissen, kritisches Denken und Kuration wurden deshalb als wichtige Voraussetzungen der Nutzung hervorgehoben. Auch die Vorstellung, implizites Wissen vollständig externalisieren und damit eine wissende Person vollständig ersetzen zu können, wurde zurückgewiesen.
In der Diskussion wurde außerdem gefordert, nicht beim sprachlichen Dialog stehen zu bleiben. Agentische Systeme könnten handeln, Ergebnisse erproben und Rückmeldungen aus der praktischen Realität erhalten. Damit wurde ein zusätzliches Validierungskriterium benannt: Nicht nur menschliche Zustimmung, sondern auch das Gelingen oder Scheitern einer Handlung könne relevant sein. Wie weit sich daraus Wissen oder Verlässlichkeit ableiten lassen, wurde nicht abschließend geklärt.
Zeitdruck und ungeprüfte Übernahme
Unter dem Stichwort „Denkfaulheit“ wurden unterschiedliche Probleme angesprochen. Ein Erfahrungsbericht betraf unvollständige Tabellenbearbeitungen durch einen Chatbot. Die Deutung als Faulheit wurde hinterfragt, weil der Begriff eine menschliche Absicht nahelegt. Mögliche technische Erklärungen wurden genannt, der konkrete Fall aber nicht geklärt.
Ein anderer Beitrag verlagerte den Blick auf die Versuchung unter Zeitdruck: Wer schnell liefern muss, könnte KI-generierte Inhalte ungeprüft weitergeben, obwohl Fehlermöglichkeiten bekannt sind. Das Risiko wurde damit eher in der Nutzungssituation als in einer pauschalen persönlichen Eigenschaft verortet.
Offene Ergebnisse und abschließende Einordnung
Zum Abschluss wurde eine mögliche Chatbot-Logik mit den Tätigkeiten Rahmen, Fundieren, Synthetisieren, Erklären, Prüfen und Anwenden vorgestellt. Sie sollte die dialogische Arbeit ergänzend zur klassischen Prozesssprache beschreiben.
Daran entzündeten sich zwei grundlegende Einwände:
- Die Darstellung wirke stark individualistisch. Kooperation, gemeinsames Erzeugen und Teilen von Wissen träten gegenüber dem Dialog zwischen einer Person und einem System zurück.
- Es bleibe unklar, ob die neuen Begriffe tatsächlich andere Prozesse beschrieben oder vor allem die Perspektive auf bekannte Tätigkeiten verschöben.
Peter Heisig relativierte abschließend die Gegenüberstellung „vom Speichern zur dialogischen Aktivierung“. Sie könne den falschen Eindruck erwecken, früheres Wissensmanagement habe hauptsächlich Dokumente und Datenbanken gespeichert. Bereits in der europäischen Framework-Diskussion sei „Store“ besonders umstritten gewesen. Erinnern und Speichern beträfen auch Menschen und soziale Zusammenhänge, etwa im Konzept des transaktiven Gedächtnisses.
Die dialogische Aktivierung bewertete er dennoch als interessanten Ansatz zum Weiterdenken. Als Ergebnis blieb somit keine eindeutige Forderung nach neuen Frameworks, sondern eine präzisierte Fragestellung: Welche Veränderungen entstehen durch KI tatsächlich, welche menschlichen Funktionen werden anders verteilt, und welche bestehenden Konzepte müssen dafür genauer gefasst werden?