Kursbeschreibung
Viele Organisationen wollen KI ins Wissensmanagement bringen, landen aber bei zwei Extremen: Entweder bleibt alles manuell und langsam, oder KI produziert Texte, denen niemand traut. Dieses Seminar führt Dich zu einem belastbaren Mittelweg: automatisierte Erstellung mit klaren Standards, Quellenbezug und kontrollierter Freigabe. Du entwickelst ein Wiki-System, das Wissen aus bestehenden Quellen nutzbar macht und gleichzeitig Governance und Compliance ernst nimmt. Du startest mit der Frage, wie Wissen im Unternehmen entsteht und wie es im Wiki abgebildet werden sollte. Du definierst Wissensdomänen, Artikeltypen, Taxonomie und ein Rollenmodell, das Ownership und Freigaben klar regelt. Danach planst Du die technische und organisatorische Content-Pipeline: Quelleninventar, Extraktion und Bereinigung, Chunking, Metadaten und Strategien gegen Duplikate und Versionschaos. Auf dieser Grundlage nutzt Du Retrieval-Augmented Generation (RAG), um Artikelentwürfe und FAQs zu erzeugen, die konsequent auf Originalquellen verlinken und zitieren. Du lernst, wie Du mit Hybrid Search, Re-Ranking und Guardrails die Trefferqualität steigerst und Halluzinationen praktisch begrenzt. Ein weiterer Schwerpunkt ist der Betrieb: Änderungserkennung, Auto-Updates, „Stale Content“ identifizieren und priorisieren, sowie Auditierbarkeit durch Protokolle. Zum Abschluss definierst Du KPIs und Evaluationsmethoden, damit Du den Erfolg nicht nur fühlst, sondern nachweisen kannst. Ergebnis ist ein umsetzbarer Plan für Pilot und Rollout, inklusive Vorlagen für Artikel, Reviews und Qualitätschecks.
Die wichtigsten Themen im Überblick
- Wissen KI-tauglich für Wiki-Artikel strukturieren
- Content-Pipelines von Dateien ins Wiki aufbauen
- RAG für Wiki-Antworten mit Quellen einsetzen
- Halluzinationen mit Guardrails und Quellenpflicht senken
- Wiki-Artikel automatisiert erstellen und aktualisieren
- Reviews mit Human-in-the-Loop-Workflows steuern
- Governance, Rechte und Compliance im Wiki absichern
- Wiki-Qualität mit KPIs und Feedback messbar machen
Zielgruppe
- Wissensmanagerinnen und Wissensmanager, Knowledge Owner und Wiki-Redaktionen
- IT-Service-Management, Support- und Operations-Teams
- Product Owner, Prozessverantwortliche und Qualitätsmanagement
- Data- und AI-Verantwortliche, die RAG im Unternehmen einsetzen
- Für alle, die ein Wiki automatisiert befüllen und verlässlich betreiben wollen
Voraussetzung für die Schulung
- Grundverständnis von Wiki- oder Dokumentationsprozessen ist hilfreich.
- Keine Programmierung erforderlich; technisches Interesse an Suche, Datenquellen und Workflows reicht.
Kursinhalte
- 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
