KI trifft KM: Synergie von Künstlicher Intelligenz und Knowledge Management

KI ermöglicht es, große Datenmengen schnell zu untersuchen und so den größtmöglichen Nutzen aus ihnen zu ziehen. Je komplexer das Problem, umso mehr Daten werden benötigt, damit die KI überhaupt funktioniert. Daher ist gerade für mittelständische Unternehmen die Datenakquise häufig eines der größten Hindernisse bei der Einführung von KI.

Auf der anderen Seite steht Knowledge Management oft vor dem entgegengesetzten Problem: Die große Menge an Daten – Knowledge Articles, Templates, Metadaten, Zugriffsdaten, … – macht es schwer, den Überblick zu behalten und den Wert der vorhandenen Information voll auszuschöpfen.

Genau deshalb sind KI und KM wie füreinander geschaffen: Die Stärken des einen sind die Lösung für das Problem des jeweils anderen. Dieser Artikel stellt einige Anwendungsfälle vor, in denen die Synergie von KM und KI neue Möglichkeiten eröffnet, die Effizienz erhöht und Qualität verbessert.

Wissen finden: Suche und Navigation

Je größer die Knowledge Base, umso schwieriger ist es, die gesuchte Information zu finden. KI kann dabei unterstützen und so Zeitaufwände minimieren und die Effizienz erhöhen. Hier einige Beispiele:

Empfehlungen

Eine schon häufig genutzte Methode, wie KI hier unterstützen kann, sind Empfehlungen in der Art von „Andere Nutzer interessierten sich für“. Diese Empfehlungen basieren meist darauf, welche Artikel Nutzer vor oder nach dem aktuellen Artikel angesehen haben. Artikel, die dabei besonders oft auftauchen, werden empfohlen. Noch etwas genauer kann die Vorhersage erfolgen, wenn die Nutzer in Gruppen unterteilt sind. Dann können die Interessen der Gruppe des jeweiligen Users stärker berücksichtigt werden.

Derselbe Mechanismus kann auch das Ranking von Suchergebnissen beeinflussen. Wird eine Seite von der eigenen Nutzergruppe häufiger verwendet, taucht sie weiter vorn in der Ergebnisliste auf.

Nutzergruppen erkennen

Nutzergruppen können z.B. aus der Stellenbeschreibung, Abteilung oder den Rechten des Nutzers abgeleitet werden. KI-Systeme sind in der Lage, Gruppen auch automatisch zu bilden und neue Nutzer einer Gruppe zuzuordnen. Das Grundkonzept: Nutzer mit ähnlichem Nutzerverhalten bilden eine Gruppe.

Menüs optimieren

Verwendet die Knowledge Base ein hierarchisches Menü für die Navigation, kann auch dieses von den Erkenntnissen über die Nutzergruppen profitieren. Das System kann vorschlagen, welche Seiten im Menü nebeneinanderstehen sollten, weil sie oft gemeinsam genutzt werden. Es kann sogar für jede Nutzergruppe eine eigene Menüstruktur erzeugt werden, die auf die jeweiligen Bedürfnisse angepasst ist.

Der Zeitpunkt der Suche

Neben der Frage, wer sucht, kann KI auch die Frage nach dem Wann berücksichtigen. Gibt ein Nutzer mehrere Suchanfragen hintereinander ein, ohne eines der Ergebnisse gründlich anzusehen, lohnt es vielleicht, proaktiv einen anderen Kommunikationskanal vorzuschlagen.

Auch kalendarische Information kann einfließen. Bestimmte Informationen werden nur zum Monatsende oder Jahreswechsel benötigt, oder in bestimmten Zeitintervallen. KI erkennt solche Regelmäßigkeiten und ermöglicht es, die jeweilige Information zum richtigen Zeitpunkt anzubieten, ohne dass erst danach gesucht werden muss.

KM Prozesse: Monitoring und Moderation

Information veraltet. Sogar die Anforderungen an einen Knowledge Artikel können sich mit der Zeit ändern. Daher muss die Qualität der Inhalte dauernd überwacht werden. Da der Aufwand für ein manuelles Monitoring zu hoch wäre, bietet es sich an, auch hier von KI Gebrauch zu machen. Eine ganze Reihe von KPIs sind denkbar und können maschinell erhoben werden.

Um ein Beispiel herauszugreifen: Viele Knowledge Bases bieten eine Kommentarfunktion an. KI kann mittels Sentiment Analyse bestimmen, ob die Kommentare loben, kritisieren oder Fragen stellen. In Kombination mit anderen Informationen, etwa der Zugriffshäufigkeit und der Zahl von Likes, kann daraus ermittelt werden, wie gut der Artikel aus Nutzersicht bewertet wird. Artikel mit schlechter oder schnell sinkender Bewertung setzt das System automatisch auf die Liste der Artikel, die Überarbeitet werden müssen.

(Mehr Details dazu, wie man die Qualität einer Knowledge Base überwacht, gibt es in dem Artikel „Schlankheitskur für Confluence-Wikis“.)

Wo immer es eine Kommentarfunktion gibt, muss es auch ein gewisses Maß an Moderation geben. Auch hier wäre es ineffizient, Inhaltsexperten regelmäßig die Kommentare nach Fragen und Anregungen absuchen zu lassen. Wenn eine KI aber die Kommentare nach ihrer Dringlichkeit beurteilt und nur wenn nötig den Verantwortlichen auffordert zu reagieren, erreicht man das bestmögliche Ergebnis bei kleinstmöglichem Aufwand.

Training: Wissenslücken erkennen und beseitigen

Zum Knowledge Management gehört nicht nur die Verwaltung von verschriftlichter Information. Auch das Wissen in den Köpfen von Kunden und Mitarbeitern kann und sollte gemanagt werden. Das geschieht über gezieltes Training. Personalisiertes Training ist dabei effektiver als ein vereinheitlichter Plan, der sich am Durchschnitt statt am Bedarf des Einzelnen orientiert. KI kann den Bedarf des Einzelnen erkennen und entsprechende Auffrischungen und Vertiefungen vorschlagen. Wer oft Informationen zu einem bestimmten Thema sucht oder immer wieder ähnlich Fehler macht, bekommt ein Training zu diesem Thema vorgeschlagen.

Die Trainings sind aufgrund ihrer Komplexität nur schwer automatisch zu generieren. Tests zur Kontrolle des Wissenstandes hingegen können automatisch erzeugt werden, zumindest in Fällen, in denen die Abfrage von Faktenwissen ausreicht. Moderne Methoden zur Wissensextraktion können aus einem Text eine Frage inklusive der dazugehörigen Antwort generieren. Nach redaktioneller Prüfung können diese Tests dann ebenfalls verwendet werden, um den individuellen Trainingsbedarf zu bestimmen.

Fazit

Die Mengen an Daten, die im und rund um das Knowledge Management entstehen, sind ohne KI nur zu einem geringen Prozentsatz nutzbar. KI wiederum benötigt diese Daten und kann auf ihrer Basis echten Mehrwert erzeugen. Dadurch lässt sich das Knowledge Management verbessern. Das Ergebnis: qualitativ hochwertige Inhalte, effiziente Nutzung und dadurch am Ende auch bessere Resultate und weniger Fehler. KI und KM: ein perfektes Team.

Haben Sie weitere Fragen? Wir beraten Sie gerne: marketing@avato.net