Ihre KI-Strategie scheitert nicht am Modell. Sie scheitert am Wissen.
Für IT-Leitungen im Mittelstand, die eine KI-Strategie liefern sollen und wissen, dass Dokumentation, Runbooks und Fachwissen dafür nicht bereit sind. Ich zeige in fünf Personentagen, wo ein Wissenssystem bei Ihnen trägt, wo nicht, und wie es in Ihre Landschaft passt. Ich betreibe selbst eines.
Die Geschäftsführung hat eine KI-Strategie gefordert, mit Termin. In den Fachbereichen läuft längst Schatten-KI: Texte in fremden Chat-Werkzeugen, Kundendaten inklusive. Und Sie wissen, was die meisten Anwendungsfälle wirklich blockiert: nicht das Modell, sondern das Wissen, das nirgends strukturiert vorliegt. Runbooks im Kopf des Kollegen, der als Nächstes kündigt. Ein Wiki, das seit 2022 niemand pflegt. Fachwissen in Ticketverläufen, Fileserver-Ordnern und E-Mails. ERP, CRM und Fachanwendungen, die nichts voneinander wissen.
Dazu haften Sie für Datenschutz und Informationssicherheit. Ein Werkzeug einzuführen ist einfach. Zu belegen, dass es verantwortbar ist, nicht.
Und es gibt Termine, die nicht Sie gesetzt haben. Seit dem 2. August 2026 gilt die KI-Verordnung im Grundsatz und ist behördlich durchsetzbar; KI-Kompetenz im Unternehmen zu fördern, ist seit Februar 2025 Pflicht, die Hochrisiko-Pflichten folgen ab Dezember 2027. Das NIS-2-Umsetzungsgesetz gilt seit Dezember 2025 für rund 29.500 Einrichtungen und verlangt dokumentiertes Risikomanagement und die Meldung erheblicher Vorfälle. Wer nicht weiß, welche KI im Haus läuft, mit welchen Daten und unter wessen Verantwortung, kann die Frage bei der nächsten Prüfung nicht beantworten. Und die Schlüsselperson, die das alles im Kopf hat, hat eine Kündigungsfrist von drei Monaten.
Was ich tue
Dokumentation, Runbooks und Fachwissen als Wissensquellen aufnehmen
Was existiert, wo es liegt, wie aktuell es ist, wer es pflegt und was nur in Köpfen steht. Ergebnis: eine Wissenslandkarte mit Quellen, Verantwortlichen, Datenqualität und Lücken.
Anwendungsfälle nach Wirkung und Risiko bewerten, nicht nach Hype
Runbook-Assistent für den Betrieb, durchsuchbare Dokumentation, Antworten aus Ticketverläufen, Wissensübergabe vor dem Abgang einer Schlüsselperson. Jeder Fall bekommt Wirkung auf Umsatz oder Aufwand, Machbarkeit, Datenlage, Risiko und einen benannten Kontrollschritt. Ergebnis: eine bewertete Liste, die auch sagt, was KI hier nicht lösen sollte.
Einen Governance-Rahmen aufsetzen, den Ihr Datenschutz mitträgt
Wer verantwortet welches KI-Ergebnis, welche Daten dürfen welches System erreichen, was läuft intern und was extern, wie fangen Sie Schatten-KI ein, ohne sie zu verbieten. Ergebnis: Regeln, Freigabe- und Kontrollschritte, Werkzeugrichtlinie.
Ein Wissenssystem in Bestandssysteme integrieren
Retrieval über Ihre eigenen Quellen, Antworten mit Beleg, Betrieb auf Ihrer Infrastruktur oder in einem Rahmen, den Sie kontrollieren. Keine Kopie Ihres Wissens in ein Werkzeug, das Sie nicht verlassen können. Ergebnis: eine Integrationsarchitektur mit Quellen, Schnittstellen, Betriebsmodell und Make-or-buy-Empfehlung.
Ihr Team befähigen, statt es zu ersetzen
Ich arbeite mit Ihren Admins und Entwicklern, nicht an ihnen vorbei. Ergebnis: ein Team, das das System nach dem Mandat selbst weiterbetreibt.
Beweis
Ich betreibe selbst, was ich empfehle. Meine eigene Arbeit läuft in einem Wissenssystem aus einfachen Markdown-Dateien mit strukturierten Metadaten, in das KI-Agenten lesen und schreiben: Meeting-Notizen, Buchhaltung, Stundennachweise, Projektdokumentation, Konzeptarbeit. Jeder Agent hat einen Kontrollschritt, bevor ein Ergebnis gilt. Die Fallstudie zeigt Aufbau, Werkzeuge, was funktioniert und was nicht: Wissenssystem mit Agenten.
Wissensmanagement mit KI im Konzern. In einem Konzernumfeld habe ich ein Wissenssystem mitentwickelt, das Prozessdokumentation durchsuchbar macht und im Produktivbetrieb genutzt wird, mit Governance für Verantwortung und Freigabe. Fallstudie: Digitale Transformation im Konzern.
Code, den Sie prüfen können. Ich bin Maintainer von docker-mailserver, einem Open-Source-Projekt, das ich seit 2016 pflege und das weltweit produktiv eingesetzt wird. Wer wissen will, wie ich arbeite, kann es dort lesen.
Kundenstimmen
Hiermit spreche ich meine ausdrückliche Empfehlung für Jeff aus, den ich im Rahmen unserer Zusammenarbeit als externen Consultant und Product Owner kennenlernen durfte.
Einwände
Ich kann das selbst, mir fehlt nur die Zeit.
Wahrscheinlich stimmt das. Genau deshalb ist die Analyse auf fünf Personentage begrenzt und liefert das, was Ihnen fehlt: die Aufnahme, die Bewertung und ein Dokument, mit dem Sie gegenüber der Geschäftsführung argumentieren. Die Umsetzung kann Ihr Team übernehmen. Ich helfe, wenn Sie wollen, und verschwinde, wenn nicht.
Warum jetzt und nicht nächstes Jahr?
Weil die Fristen schon laufen: Die KI-Verordnung gilt seit August 2026, NIS-2 seit Dezember 2025, und die Schatten-KI in den Fachbereichen wartet nicht auf Ihre Strategie. Die Analyse braucht drei bis vier Wochen und beantwortet zuerst die Frage, die jede Prüfung stellt: Welche KI läuft bei uns, mit welchen Daten, unter wessen Verantwortung. Danach entscheiden Sie mit Zahlen statt unter Druck.
Berater liefern Folien.
Ich liefere keine. Ergebnis der Analyse ist eine Entscheidungsvorlage mit Wissenslandkarte, bewerteter Anwendungsfall-Liste, Governance-Rahmen, Integrationsarchitektur und Roadmap mit Aufwandsschätzung und ausgewiesener Schätzgüte. Alles so geschrieben, dass Ihr Team damit ohne mich weiterarbeitet.
Ich brauche jemanden, der auch mit meinem Team spricht.
Die Aufnahme besteht aus Interviews mit Ihren Wissensträgern, den Admins und Entwicklern eingeschlossen. Das Werkstattgespräch am Ende führe ich mit Leitung und Team zusammen. Ich war fünfzehn Jahre Entwickler und Architekt, bevor ich beraten habe. Ich spreche die Sprache Ihres Teams.
Wie unabhängig sind Sie von Microsoft, OpenAI und Co.?
Vollständig. Ich empfehle keine Produkte, an denen ich verdiene, und habe keine Partnerschaft mit einem Anbieter. Mein eigenes Wissenssystem ist bewusst so entwickelt, dass Modell und Werkzeug austauschbar bleiben. Diese Frage stelle ich bei Ihnen als Erstes: Was passiert, wenn Sie den Anbieter wechseln müssen?
KI-Potenzialanalyse Wissensmanagement IT und Betrieb
5 Personentage. Ergebnis: Entscheidungsvorlage mit Wissenslandkarte Ihrer Dokumentations- und Wissensquellen, Datenqualitätsbewertung, Anwendungsfällen nach Nutzen und Risiko, Governance-Rahmen mit Verantwortung, Kontrollschritt und Datenschutz, Integrationsarchitektur und Roadmap. Executive Summary für die Geschäftsführung inklusive. Festpreis nach einem Vorgespräch von 30 Minuten.
Anschluss
| Paket | Aufwand | Ergebnis |
|---|---|---|
| Wissenssystem-PilotEin Anwendungsfall produktiv: Quellen anbinden, Retrieval und Assistent aufsetzen, Kontrollschritt und Messung einführen, Team befähigen | 10 bis 20 PT | Pilot im Betrieb auf Ihrer Infrastruktur, Betriebshandbuch, Messbericht |
| KI-Governance-RahmenVerantwortlichkeiten, Freigabe- und Kontrollschritte, Datenschutz- und Risikobewertung, Werkzeugregeln, Schulungsformat | 5 bis 10 PT | Governance-Dokument, das der Datenschutz mitträgt |
| Architektur-Review BestandRisikoregister, Handlungsempfehlungen, Delta zum Zielbild für die Systemlandschaft, die das Wissenssystem tragen soll | 3 bis 8 PT | Priorisiertes Risikoregister mit Handlungsempfehlungen |
Fallstudien
Prozesswissen eines Konzerns mit KI durchsuchbar und steuerbar gemacht
Technischer Lead und unabhängiger Berater
KI-gestütztes Wissenssystem in Produktion und im Alltag genutzt, Prozessdokumentation durchsuchbar und pflegbar, Governance-Struktur gelebt, Plattform-Roadmap in Arbeit.
- KI-Wissenssystem im Produktivbetrieb
- Open-Source-Maintainer
- Reguliertes Umfeld: DSGVO, KRITIS
KI-Potenzialanalyse Wissensmanagement IT und Betrieb, 5 Personentage, Ergebnis Entscheidungsvorlage
Danach wissen Sie, welches Wissen bei Ihnen wo liegt, welche Anwendungsfälle sich lohnen, wer die Verantwortung trägt und wie ein Wissenssystem in Ihre Landschaft passt.