Gkc26-Session: Wenn Experten-Chatbots mehr wissen, als der Experte tatsächlich gesagt hat
Weitere Optionen
Diese Seite ist KI-generiert. Sowohl die Zusammenfassung als auch das zugrundeliegende Transkript der Videoaufzeichnung wurden mithilfe von KI erstellt.
| Wenn Experten-Chatbots mehr wissen, als der Experte tatsächlich gesagt hat | |
|---|---|
| Art | Barcamp-Session |
| KnowledgeCamp | KnowledgeCamp 2026 |
| Sessiongebende | Christian Keller, Stefan Holtel
|
| Datum | 08.10.2026 |
| Zeit | 17:00 bis 17:45 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:
Weiterführende Beschreibung
Beim Expert Debriefing geht es darum, das Wissen von Expertinnen und Experten für andere verfügbar zu machen. Klassisch richtet sich der Blick dabei vor allem auf Wissen, das sich explizieren, dokumentieren und anschließend weitergeben lässt.
Chatbots eröffnen darüber hinaus eine neue Möglichkeit: Aus Erzählungen über konkrete Situationen, Entscheidungen, Erfolge und Misserfolge können sie wiederkehrende Denk-, Bewertungs- und Handlungsmuster abstrahieren. Damit wird potenziell auch Wissen nutzbar, das Expertinnen und Experten selbst nur schwer in allgemeine Regeln übersetzen können.
Daraus könnte ein wesentlicher Mehrwert zukünftiger Experten-Chatbots erwachsen. Sie würden dann nicht nur bereits dokumentiertes Wissen wiedergeben, sondern könnten auf neue Fragen Antworten formulieren, die sich an den rekonstruierten Denk- und Argumentations¬mustern einer Person orientieren.
Damit entsteht allerdings ein grundlegendes Gestaltungsproblem: Eine solche Antwort ist keine belegte Aussage des Experten. Sie bleibt lediglich plausible Rekonstruktion auf Basis des erhobenen Wissens. Ein Experten-Chatbot muss deshalb unterscheiden können zwischen dem, was über eine Person tatsächlich dokumentiert ist, und dem, was sich aus ihrem Wissen und ihren bisherigen Denk- und Handlungsmustern plausibel ableiten lässt.
Wir zeigen diese Unterscheidung am Beispiel eines Chatbots über das persönliche Expertenwissen des Organisationssoziologen Stefan Kühl. Die Teilnehmenden erleben anhand einer interaktiven Demonstration, wie sich zwei unterschiedliche Antwortmodi auf das Gespräch auswirken: „Das wissen wir von Stefan Kühl“ und „Stefan Kühl hätte vermutlich so argumentiert …“.
Damit wollen wir eine breitere Frage zur Diskussion stellen: Wie sollten Chatbots gestaltet sein, wenn sie nicht nur dokumentiertes Wissen zugänglich machen, sondern auch dabei helfen sollen, das schwer explizierbare Erfahrungs- und Urteilswissen von Expertinnen und Experten für neue Situationen nutzbar zu machen?
Zusammenfassung
Die Barcamp-Session „Wenn Experten-Chatbots mehr wissen, als der Experte tatsächlich gesagt hat“ von Christian Keller und Stefan Holtel untersuchte, wie Chatbots über das Wiedergeben dokumentierter Aussagen hinausgehen können. Im Mittelpunkt stand die Frage, ob sich aus Veröffentlichungen, Gesprächen und Erfahrungsberichten wiederkehrende Denkmuster einer Person ableiten und auf neue Fragen übertragen lassen.
Holtel demonstrierte dies mit einem auf Veröffentlichungen des Organisationssoziologen Stefan Kühl aufgebauten „Kühlbot“. Dieser sollte ausdrücklich nicht vorgeben, Kühl zu sein. Seine Antworten unterschieden zwischen belegbaren Aussagen aus dem bereitgestellten Material und plausiblen Übertragungen der darin erkannten Argumentationsmuster. Am Beispiel des Wirecard-Skandals zeigte Holtel, wie eine solche Übertragung aussehen kann.
Keller ergänzte die Demonstration aus seiner Praxis der Wissenssicherung und des Wissenstransfers. Er sah insbesondere Potenzial darin, KI-generierte Muster mit den betreffenden Fachleuten zu reflektieren. Zugleich hinterfragte er, ob die im Unternehmensalltag vorhandenen Unterlagen eine ähnlich geeignete Grundlage bieten wie das umfangreiche, reflektierte Werk eines Wissenschaftlers.
In der Diskussion ging es um die Qualität und Mindestmenge des Ausgangsmaterials, die Begleitung ausscheidender Beschäftigter, Erfahrungen mit Expertenbots in der Lehre sowie das Verhältnis zwischen methodischer Gestaltung und technischer Optimierung. Eine vollständige Übertragung oder Ersetzung eines Menschen wurde nicht als erreichbares Ziel dargestellt.
Ausgangspunkt: Wissen sichern, ohne den Experten gleichzusetzen
Christian Keller eröffnete die Session mit seinem beruflichen Zugang über Wissenslandkarten, implizites und explizites Wissen sowie die Gestaltung von Transfer- und Dokumentationsprozessen. Die Zusammenarbeit mit Stefan Holtel verband diese systematische Perspektive mit dem praktischen Einsatz von KI.
Holtel stellte zunächst eine grundlegende Unterscheidung heraus: Ein Teil des Wissens lasse sich aufschreiben und dokumentieren. Andere Anteile zeigten sich im Handeln, ohne dass Fachleute vollständig erklären könnten, warum sie etwas auf eine bestimmte Weise beurteilten oder täten. In seinem Verständnis ist implizites Wissen daher nicht vollständig kodifizierbar.
Vor diesem Hintergrund kritisierte er das Versprechen, das gesamte Wissen von Beschäftigten in Computersysteme zu übertragen. Dieses Versprechen kenne er bereits aus früheren Wissensmanagementansätzen; heute werde es mit Chatbots erneuert. Seine Gegenposition lautete, dass zwar nicht alles verfügbar gemacht werden könne, wohl aber bestimmte wiederkehrende Muster einer Expertise.
Dabei unterschied er zwischen deklarativem, prozeduralem und episodischem Wissen: Wissen über eine Domäne, Wissen über das Vorgehen darin und Wissen aus den konkreten Erfahrungen einer Person. Gerade die persönliche Entwicklung sei wichtig, um zu verstehen, weshalb zwei Fachleute trotz vergleichbarer Qualifikation zu unterschiedlichen Einschätzungen gelangen.
Demonstration des Kühlbots
Wissensbasis und Regeln
Holtel führte einen als „Skill“ eingerichteten Kühlbot vor. Die technische Umsetzung erläuterte er nicht im Detail. Als Grundlage beschrieb er einen kuratierten Bestand aus Büchern, wissenschaftlichen Texten und transkribierten Podcastfolgen Stefan Kühls. Der Bestand sollte weiter ergänzt werden.
Der Bot war weder als eigenständiges Sprachmodell noch als vermeintlich authentischer digitaler Stefan Kühl angelegt. Er sollte organisationssoziologische Perspektiven aus dessen Veröffentlichungen erschließen. Dafür nannte Holtel drei Regeln:
- Der Bot spricht über Stefan Kühl in der dritten Person.
- Er trennt direkt belegbare Aussagen von Antworten, die sich als plausible Übertragung aus dem Gesamtwerk ergeben könnten.
- Er formuliert organisationssoziologische Argumentationen möglichst verständlich und pragmatisch.
Die Trennung zwischen Quellenwiedergabe und Ableitung war das zentrale Gestaltungsprinzip. Eine plausible Antwort sollte nicht dadurch zur persönlichen Position Kühls werden, dass sie zu dessen veröffentlichten Gedanken passte.
Auch Wiederholungen im Quellenbestand betrachtete Holtel nicht grundsätzlich als störend. Nach seiner Einschätzung können wiederkehrende Argumentationen helfen, stabile Muster zu erkennen. Die Demonstration sollte zeigen, wie sich solche Muster für neue Fragestellungen nutzen lassen.
Wirecard als neuer Anwendungsfall
Als Beispiel wählte Holtel den Wirecard-Skandal. Zunächst fragte er, ob Kühl sich in den vorliegenden Quellen dazu geäußert habe. Der Bot verneinte dies. Anschließend ließ Holtel mögliche organisationssoziologische Deutungen und die Rolle der Wirtschaftsprüfung untersuchen.
Die folgenden Antworten wurden ausdrücklich als Übertragungen gekennzeichnet: Es handelte sich nicht um belegte Äußerungen Kühls zu Wirecard oder EY. Der Bot sollte vielmehr Konzepte aus anderen Zusammenhängen auf diesen Fall anwenden.
In den vorgeführten Ableitungen wurde die Erklärung von Bilanzmanipulation nicht auf individuelles Fehlverhalten oder unzureichendes Hinsehen beschränkt. Stattdessen kamen Fragen nach professionellem Selbstverständnis, Marktposition, Legitimation und möglichen Interessenkonflikten von Wirtschaftsprüfungsgesellschaften hinzu. Holtel erkannte darin einen Perspektivwechsel, den er aus Kühls Argumentationen kannte.
Auch bei möglichen Konsequenzen blieb die Kennzeichnung als Ableitung bestehen. Als Beispiel erschien die Frage, ob Organisationen ihre blinden Flecken überhaupt vollständig beseitigen könnten. Anstelle der bloßen Forderung nach mehr Regeln oder Compliance wurde ein systematischer organisierter Widerspruch als mögliche Antwort entwickelt, einschließlich eines besseren Schutzes für Personen, die auf Probleme aufmerksam machen.
Diese Vorschläge waren Teil der Demonstration und keine nachgewiesenen Wirecard-Positionen Kühls. Holtel bewertete ihre Plausibilität anhand wiederkehrender Denkmuster im Werk. Eine Überprüfung durch Kühl selbst wurde nicht berichtet.
Mustererkennung als Reflexionsinstrument
Keller knüpfte an seine Erfahrung aus ungefähr 30 begleiteten Wissenstransferprozessen pro Jahr an. Mustererkennung sei auch in seiner eigenen Arbeit wesentlich. Eine KI könne dabei möglicherweise Zusammenhänge sichtbar machen, die er übersehe.
Besonders interessant fand er, die Ergebnisse anschließend an die Fachleute zurückzugeben: Würden sie tatsächlich so antworten? Erkennen sie sich in den beschriebenen Mustern wieder? Damit wurde der Bot nicht nur als Auskunftssystem, sondern als Werkzeug zur Reflexion betrachtet.
Holtel berichtete dazu aus einem Transferprozess mit einem ausscheidenden Mitarbeiter und mehreren Nachfolgenden. Diese hörten bei anspruchsvollen Hotlinegesprächen zu, dokumentierten ihre Beobachtungen und führten Nachbesprechungen durch. Nach mehreren Monaten ließ er die Beteiligten in einem moderierten Gespräch ihre Erfahrungen schildern.
Aus dem Transkript dieses Gesprächs wurden getrennte Mustersprachen für Wissensgebende und Wissensnehmende entwickelt. Die Ausarbeitungen gingen zur Rückmeldung an die Beteiligten. Nach Holtels Bericht wurde eine ohne inhaltliche Ergänzungen bestätigt; bei der anderen wurden lediglich Rechtschreibfehler angemerkt. Für ihn zeigte das Beispiel, wie erzählte Erfahrungen strukturiert und anschließend gemeinsam überprüft werden können.
Qualität des Materials und Grenzen der Übertragbarkeit
Keller stellte einen Unterschied zwischen der Demonstration und betrieblichen Transferprozessen heraus: Ein wissenschaftliches Gesamtwerk enthält bereits umfangreiche, ausgearbeitete und reflektierte Aussagen. Arbeitspapiere, Projektskizzen oder andere betriebliche Unterlagen müssen diese Qualität nicht besitzen. Zudem könne ein einzelnes beobachtetes Szenario nur einen Ausschnitt einer vielseitigen Expertise abdecken.
Holtel stimmte dem grundsätzlichen Einwand zu. Besonders kritisch sah er eine unstrukturierte Zusammenführung aller verfügbaren Dokumente. Dabei könnten Beschreibungen tatsächlicher Praxis mit normativen Vorgaben vermischt werden: Was eine Person getan habe, sei nicht dasselbe wie das, was sie hätte tun sollen. Aus seiner Sicht müsse der Korpus deshalb bewusst ausgewählt und die Art seiner Verwendung gestaltet werden.
In der Diskussion wurde die Möglichkeit angesprochen, aus den Veröffentlichungen mehrerer Fachleute einen virtuellen Expertenkreis aufzubauen. Holtel ergänzte ein Beispiel aus einem Schulprojekt zur Schwerelosigkeit: Für Fragen von Kindern hatte er einen Bot auf Grundlage eines langen Interviews mit dem Astronauten Matthias Maurer sowie eines Buchs erstellt. Auch hier galt die Einschränkung, dass nicht Maurer selbst antworte, sondern plausible Antworten aus dem Material entwickelt würden.
Menschliche Begleitung, Wertschätzung und Ängste
Eine Wortmeldung bezog den Ansatz auf langjährig Beschäftigte, die SAP-Einführungen begleitet hätten und über schwer ersetzbares Wissen zu betrieblichen Abläufen verfügten. Gefragt wurde, wie Menschen emotional begleitet werden könnten, wenn ein Bot ihre Expertise nachbilden solle.
Keller unterschied zwischen begleiteten Interviews und dem alleinigen Gespräch mit einem Bot. Bei aufgezeichneten, menschlich geführten Interviews sah er praktikable Möglichkeiten zur anschließenden Transkription und Auswertung. Beim eigenständigen Austausch mit einem Bot fehlte ihm dagegen die soziale Komponente.
Die Nachfrage zielte insbesondere auf den Reflexionsmoment: Könnte die Ähnlichkeit einer KI-Auswertung mit dem eigenen Denken Ängste auslösen, ersetzt zu werden? Keller erwartete dies aus seiner persönlichen Perspektive und bei vielen seiner Fachleute nicht unbedingt. Eine allgemein abgesicherte Antwort auf diese Sorge ergab sich daraus jedoch nicht.
Holtel hatte zuvor einen Transferprozess als Form der Wertschätzung beschrieben: Ein Bot könne dazu beitragen, dass Erfahrungen und charakteristische Perspektiven einer ausscheidenden Person für Nachfolgende ansprechbar blieben. Nach seinem Bericht motivierte diese Aussicht einen beteiligten Experten zur Mitarbeit.
Erfahrungen aus der Lehre
In der Diskussion berichtete ein Teilnehmer von einem Bot, der mit eigenen Publikationen und Vorlesungstranskripten für Studierende eingerichtet worden war. Die abgegebenen Arbeiten hätten anschließend sehr gut zu seinen Erwartungen gepasst, seien aber zugleich langweilig geworden. Er beschrieb dies als Bestätigungsproblem und als Verlust für beide Seiten.
Als Alternative wurde ein Tutor genannt, der mit Lernenden reflektiert, statt Lösungen zu präsentieren. Gerade die Übertragung auf Fragen, deren Antworten nicht bereits im Material stehen, erschien als interessanter Ansatz für einen Sparringspartner.
Holtel ergänzte eine kritische Beobachtung aus der Arbeit mit Mustersprachen: KI könne Beschreibungen verlängern und ausformulieren, ohne die Qualität der zugrunde liegenden Muster zu verbessern. Er sah die fachliche Aufgabe deshalb zunehmend in Auswahl, Kuration, Prüfung und der Entwicklung tragfähiger Ideen.
Technische Fragen und offene Punkte
Eine technische Nachfrage betraf Embeddings, Graphen, Ontologien, Textsegmentierung und die Leistungsfähigkeit kleinerer Modelle. Holtel lieferte dazu keinen systematischen Vergleich. Er betonte stattdessen sein Interesse an methodischen Grundideen, die über Modellwechsel hinweg verwendbar bleiben. Eine starke Optimierung auf einzelne technische Konstellationen betrachtete er als mögliches Resilienzproblem.
Auch die Frage nach einer Mindestmenge an Ausgangsmaterial blieb ohne konkrete Schwelle. Holtel bevorzugte einen kontrollierten, vorrangig verwendeten Quellenbestand gegenüber dem Vertrauen darauf, dass bereits genügend Wissen im Modelltraining oder im Internet vorhanden sei.
Zum Abschluss beschrieb er gemeinsam geführte Interviews, bei denen Fachperson und Begleitung einen Chatbot nutzen. Vorbereitete Fragen, Rückfragen und Beispiele könnten nach seiner Erfahrung eine partnerschaftliche Gesprächssituation schaffen und neue Erzählungen anregen.
Als wichtigste Erkenntnisse blieben:
- Belegte Aussagen und plausible Übertragungen müssen erkennbar getrennt werden.
- Erkannte Muster können Ausgangspunkte gemeinsamer Reflexion sein.
- Umfangreiche Dokumentbestände ersetzen keine Prüfung ihrer Qualität und Bedeutung.
- Die gezeigten Bots machten ausgewählte Perspektiven nutzbar, nicht die vollständige Person.
- Mindestumfang des Materials, emotionale Wirkungen und technische Qualitätsunterschiede blieben weiter zu klärende Fragen.