Der wichtigste Satz vorweg: Q&A ist keine bessere Suchmaschine, sondern eine Antwortmaschine – und sie ist nur so gut wie das Wissen, das sie durchsuchen darf. Eine klassische Suche gibt eine Liste zurück und überlässt Ihnen die Bewertung. Eine Antwortmaschine nimmt Ihnen diese Bewertung ab, indem sie mehrere Quellen zu einer Aussage verdichtet. Das ist bequem und riskant zugleich: bequem, weil Sie nicht mehr sieben Dokumente öffnen müssen; riskant, weil eine falsche Verdichtung genauso souverän klingt wie eine richtige. Wer diesen Unterschied verinnerlicht, führt die Funktion mit den richtigen Erwartungen ein und vermeidet die beiden häufigsten Enttäuschungen: dass Antworten aus veralteten Dokumenten stammen und dass ganze Wissensbereiche gar nicht gefunden werden, weil sie nie in Notion gelandet sind.
Drei Eigenschaften beschreiben die Funktion treffender als jede Merkmalsliste:
Die Fachbezeichnung für dieses Muster lautet Retrieval-Augmented Generation, kurz RAG. Der Gedanke dahinter ist einfach und wichtig: Ein Sprachmodell weiß nichts über Ihr Unternehmen. Es kennt keine Preisliste, keine Prozessanweisung und keine Kundenhistorie. Damit es trotzdem über Ihre Inhalte sprechen kann, wird die Frage nicht direkt an das Modell gestellt, sondern zunächst benutzt, um in Ihren Dokumenten nach passenden Abschnitten zu suchen. Diese Abschnitte werden der Frage beigelegt, und erst dann formuliert das Modell eine Antwort – auf Grundlage des Mitgelieferten, nicht aus dem eigenen Gedächtnis.
Diese Architektur hat drei Konsequenzen, die Sie in jeder Bewertung berücksichtigen sollten. Erstens: Die Qualität der Antwort hängt zuerst am Suchschritt und erst danach am Modell. Wenn die relevante Passage nicht gefunden wird, kann das beste Modell sie nicht verwenden. Zweitens: Aktualität ist eine Frage der Indexierung, nicht der Modellversion. Wird eine Seite geändert, dauert es typischerweise einen Moment, bis die Änderung in den Suchindex eingeht – bei sehr frischen Inhalten sind kurzfristige Verzögerungen normal. Drittens: Das System kann nichts über Wissen sagen, das nirgends geschrieben steht. Der größte Teil des Firmenwissens im Mittelstand steckt in Köpfen, E-Mail-Postfächern und Excel-Dateien auf lokalen Laufwerken. Eine Antwortmaschine im Arbeitsplatz erreicht davon nur den dokumentierten Teil.
Genau darin liegt der Grund, warum diese Funktionen in manchen Organisationen begeistern und in anderen als Enttäuschung gelten. Der Unterschied liegt fast nie im Produkt, sondern im Zustand der Wissensbasis. Organisationen, die seit zwei Jahren gepflegte Handbücher, Prozessseiten und Entscheidungsprotokolle in einem System führen, erleben einen sofort spürbaren Nutzen. Organisationen, die eine Antwortmaschine über einen halb gefüllten, unstrukturierten Arbeitsbereich legen, bekommen zurück, was sie hineingegeben haben – und schließen daraus fälschlich auf die Technik.
Es hilft, zwei Produktfamilien zu unterscheiden. Die eine ist die klassische Unternehmenssuche: ein Werkzeug, das viele Systeme durchsucht – Dateiablage, Mail, Wiki, Ticketsystem, CRM – und selbst keine Inhalte hält. Die andere ist der Wissensarbeitsplatz: ein System, in dem Inhalte tatsächlich entstehen und leben, mit Seiten, Datenbanken und Zusammenarbeit. Notion gehört zur zweiten Familie, und Q&A ist die Suchintelligenz in diesem Zuhause. Über Konnektoren reicht die Funktion in Fremdsysteme hinein und nimmt damit Züge der ersten Familie an, bleibt aber im Kern die Suche über den eigenen Arbeitsbereich.
Diese Einordnung ist für die Beschaffung entscheidend. Wenn Ihr Wissen überwiegend in Notion liegt, ist eine eingebaute Antwortmaschine der kürzeste Weg zum Nutzen: keine zusätzliche Verarbeitung, keine zweite Anmeldung, keine getrennte Berechtigungslogik. Wenn Ihr Wissen dagegen über fünf Systeme verteilt ist und Notion nur eines davon ist, lösen Sie mit einer arbeitsplatzeigenen Suche nur einen Teil des Problems – und sollten ernsthaft prüfen, ob eine übergreifende Lösung oder eine Konsolidierung der Ablagen der bessere Weg ist. Wir kommen im Vergleichskapitel darauf zurück, weil an dieser Frage die meisten Fehlentscheidungen hängen.
Aus unserer Beratungspraxis passt eine arbeitsplatzeigene Antwortmaschine besonders gut zu vier Profilen. Erstens zu Organisationen, die Notion bereits als Wissenszuhause nutzen und dort gepflegte Inhalte in nennenswertem Umfang haben. Zweitens zu Unternehmen mit hoher Personalbewegung oder starkem Wachstum, in denen dieselben Einstiegsfragen jede Woche neu gestellt werden. Drittens zu wissensintensiven Bereichen mit vielen Regeln und Varianten: Vertrieb mit Produktvarianten, Kundenservice mit Fallwissen, Qualitätsmanagement mit Verfahrensanweisungen. Viertens zu verteilten Teams, in denen die Rückfrage im Nachbarbüro schlicht nicht möglich ist und stattdessen Chatnachrichten Wissen erfragen, das längst dokumentiert ist.
Zurückhaltend wären wir in drei Situationen. Wenn Ihre Organisation aus regulatorischen Gründen oder aus einer bewussten Souveränitätsstrategie keine Verarbeitung bei US-Anbietern und deren KI-Subprozessoren zulässt, führt der Weg über europäische oder selbst betriebene Ansätze – dazu ausführlich im Vergleichs- und im Datenschutzkapitel. Wenn Ihre Berechtigungsstruktur ungeklärt ist, sollten Sie zuerst dort aufräumen, denn eine Antwortmaschine verstärkt jeden Fehler in der Rechtevergabe. Und wenn in Notion bislang kaum belastbare Inhalte liegen, kaufen Sie eine Funktion, die nichts zu tun hat: Dann ist Wissensarbeit die Aufgabe, nicht Werkzeugbeschaffung.
Die Grundlogik ist ein Sitzplatzmodell: Abgerechnet wird pro Person mit Zugang, in der Regel günstiger bei jährlicher Zahlung. Zwischen den Ebenen unterscheiden sich vor allem Rechteverwaltung, Anmeldeverfahren, Gästesteuerung, Protokollierung, Aufbewahrungsregeln, Verfügbarkeit von Konnektoren zu Fremdsystemen und die Frage, wie weit die Administration KI-Funktionen zentral steuern kann. Der letzte Punkt ist für Q&A besonders relevant, weil er entscheidet, ob Sie die Funktion überhaupt kontrolliert einführen können.
Vergleichen Sie die Ebenen nicht nach der Länge der Funktionsliste, sondern nach vier Trennlinien, die in Projekten den Unterschied machen. Die erste ist die Anmeldung: Ob sich Beschäftigte über Ihren zentralen Identitätsdienst anmelden oder eigene Zugänge mit privaten Passwörtern anlegen, entscheidet über Kontenhygiene, über den geordneten Austritt von Beschäftigten und darüber, ob die IT überhaupt weiß, wer im Unternehmen mit dem System arbeitet. Bei einer Antwortmaschine ist dieser Punkt kein Komfortthema: Ein nicht deaktiviertes Konto kann weiterhin Fragen an Ihr Firmenwissen stellen.
Die zweite Trennlinie ist die Freigabesteuerung. Ein Wissensarbeitsplatz lebt davon, dass Inhalte leicht geteilt werden – und genau darin liegt das Risiko. Auf niedrigeren Ebenen können Nutzende Seiten häufig als öffentlichen Link freigeben. Auf höheren Ebenen lässt sich das einschränken, auf angemeldete Personen begrenzen oder abschalten. Die dritte Trennlinie ist Nachvollziehbarkeit und Aufbewahrung: Protokolle darüber, wer wann was getan hat, Regeln für Löschung und Archivierung, Exportmöglichkeiten für Auskunfts- und Prüfzwecke. Diese Funktionen interessieren im ersten Jahr niemanden und werden im dritten Jahr zur Bedingung.
Die vierte und für dieses Thema wichtigste Trennlinie ist die Steuerbarkeit der KI. Prüfen Sie ausdrücklich, ob die Administration KI-Funktionen zentral aktivieren und deaktivieren kann, ob das für den gesamten Arbeitsbereich oder für einzelne Bereiche und Gruppen möglich ist, und ob Konnektoren zu Fremdsystemen getrennt freigegeben werden. Ohne diese Steuerung führen Sie eine Verarbeitung ein, die Sie später nicht mehr begrenzen können – und das ist bei einer Funktion, die potenziell jedes Dokument liest, keine Nebensache.
Notion bündelt mehrere KI-Fähigkeiten, die häufig verwechselt werden, aber unterschiedliche Aufgaben haben und getrennt bewertet werden sollten. Die Schreibhilfe arbeitet auf einer Seite und formuliert, kürzt, übersetzt oder strukturiert Text – sie braucht keinen Zugriff auf Ihre gesamte Wissensbasis. Das automatische Füllen von Datenbankfeldern leitet aus dem Inhalt eines Eintrags Werte ab, etwa eine Zusammenfassung, eine Kategorie oder eine Stimmungsbewertung. Q&A dagegen ist die einzige dieser Fähigkeiten, die systematisch über den gesamten für die fragende Person sichtbaren Bestand hinweg liest. Datenschutzrechtlich und organisatorisch ist das eine andere Größenordnung.
Für die Praxis folgt daraus eine klare Empfehlung: Behandeln Sie die Bausteine in Ihrer Bewertung getrennt und führen Sie sie gestaffelt ein. Die Schreibhilfe ist der harmlose Einstieg mit unmittelbar sichtbarem Nutzen und geringer Angriffsfläche. Das Füllen von Datenbankfeldern ist ein Automatisierungsthema mit Kostenwirkung, weil es je Eintrag ausgelöst wird. Q&A ist der Baustein, der eine gepflegte Wissensarchitektur und geordnete Berechtigungen voraussetzt und deshalb an den Schluss gehört – nicht an den Anfang, wie es die Produktvorführungen suggerieren.
Ein zweiter Punkt zur Erwartungshaltung: KI-Funktionen in Wissensarbeitsplätzen sind in Bewegung. Bausteine werden umbenannt, gebündelt, in andere Ebenen verschoben, mit neuen Modellen unterlegt oder durch Nachfolger ersetzt. Behandeln Sie deshalb jede KI-Fähigkeit, die für Ihre Entscheidung wesentlich ist, als Prüfpunkt mit Datum. Stützen Sie sich nicht auf Marktübersichten oder Videos, die ein halbes Jahr alt sind, und testen Sie tragende Funktionen im Pilotbetrieb mit Ihren echten Inhalten in Ihrer Vertragsvariante.
Der Bezug erfolgt üblicherweise direkt beim Anbieter über Selbstbedienung oder über ein Angebot, bei größeren Mengen auch über Partner im deutschsprachigen Raum. Der Unterschied ist nicht nur kaufmännisch: Über ein Angebot lassen sich Rechnungsstellung, Laufzeit, Datenschutzanlagen und teilweise Supportzusagen sauber regeln, während der Selbstbedienungsweg schnell ist, aber in Verwaltung, Beschaffungsrichtlinie und Datenschutzdokumentation regelmäßig Nacharbeit erzeugt. In vielen Mittelstandsprojekten haben wir zudem erlebt, dass einzelne Teams das System längst mit Kreditkarte nutzen, bevor die IT davon erfährt – die Konsolidierung dieser Schatten-Arbeitsbereiche ist dann der erste Projektschritt.
Fünf Fragen gehören in jedem Fall vor die Unterschrift. Erstens die Sitzplatzfrage: Wer braucht wirklich einen vollen Zugang, und wie werden nur lesende Personen und externe Gäste behandelt? Zweitens die KI-Frage: Welche Bausteine sind enthalten, gibt es Kontingente, worauf beziehen sie sich, und was passiert nach dem Verbrauch? Drittens die Steuerungsfrage: Lassen sich KI-Funktionen und Konnektoren zentral abschalten oder auf Bereiche begrenzen? Viertens die Datenfrage: Wo wird verarbeitet, welche Subprozessoren sind beteiligt, und ist ein Training mit Ihren Inhalten vertraglich ausgeschlossen? Fünftens die Ausstiegsfrage: In welchen Formaten lassen sich Inhalte exportieren, und was bleibt dabei erhalten?
Der letzte Punkt verdient besondere Aufmerksamkeit, weil er in Wissensprojekten selten gestellt wird. Seiten lassen sich in offene Formate exportieren, Datenbanken als Tabellen. Was beim Wechsel typischerweise leidet, sind Verknüpfungen zwischen Einträgen, Ansichten, Formeln, Kommentarverläufe und Berechtigungsstrukturen. Für Inhalte, die Sie über Jahre brauchen – Verfahrensanweisungen, Entscheidungsprotokolle, Vertragswissen –, sollten Sie deshalb früh klären, ob das System Ihr dauerhaftes Archiv ist oder eine Arbeitsumgebung, aus der Verbindliches an einen definierten Ort überführt wird.
Die folgenden Bausteine bestimmen den praktischen Alltag. Welche davon in Ihrer Ebene verfügbar sind und in welcher Ausprägung, sollten Sie vor der Beschaffung abgleichen – der Funktionsumfang von Diensten dieser Art verändert sich laufend.
Die Eingabe wirkt trivial und ist der Ort, an dem der Nutzen entsteht oder verpufft. Beschäftigte, die jahrelang Stichwortsuche gewohnt sind, tippen zunächst weiterhin zwei Wörter ein – und erhalten dann Antworten, die kaum besser sind als eine Trefferliste. Der Unterschied zeigt sich erst bei vollständigen Fragen mit Kontext: Wer fragt, welche Freigabestufe für ein Angebot über einer bestimmten Summe an einen Neukunden im Ausland nötig ist, gibt dem System genug Signale, um die richtige von drei ähnlichen Richtlinien zu finden. Diese Umstellung ist eine Schulungsaufgabe von zwanzig Minuten und der wirksamste Hebel für die Akzeptanz.
Zweitens lohnt es, die Antwortform mitzugeben. Bitten um eine Aufzählung der Schritte, um eine Gegenüberstellung zweier Varianten, um eine Kurzfassung für eine E-Mail oder um die Nennung der zuständigen Rolle führen zu deutlich brauchbareren Ergebnissen als eine offene Frage. Drittens ist das Nachfassen entscheidend: Die erste Antwort ist häufig zu allgemein, die zweite nach einer Präzisierung brauchbar. Wer nach einer unbefriedigenden Antwort aufgibt, erlebt das System als schwach; wer nachfragt, erlebt es als Gesprächspartner. Auch das ist reine Gewohnheit.
Und viertens gehört zur Fragekompetenz das Wissen um die Grenzen. Fragen nach Zahlen, Summen oder Auswertungen über viele Datensätze sind für eine Antwortmaschine strukturell schwierig: Sie liest Ausschnitte und rechnet nicht zuverlässig über einen ganzen Bestand. Für die Frage nach dem Gesamtumsatz einer Produktgruppe ist eine Datenbankansicht oder ein Auswertungswerkzeug das richtige Mittel, nicht die Frage an die KI. Diese Erwartungsgrenze offen zu benennen, schützt vor der gefährlichsten Fehlnutzung – der Übernahme einer erfundenen Zahl in eine Entscheidungsvorlage.
Die Quellenangabe ist der Unterschied zwischen einem nützlichen Werkzeug und einem Risiko. Sie erlaubt es, die Antwort in Sekunden zu prüfen, indem man die genannte Seite öffnet. Achten Sie bei der Bewertung auf drei Details: Werden die Quellen tatsächlich je Aussage oder nur pauschal am Ende genannt? Sind die verlinkten Stellen präzise genug, um die Aussage wiederzufinden? Und wird sichtbar, wenn die Antwort nur auf einer einzigen, möglicherweise veralteten Seite beruht? Ein System, das drei Quellen nennt, von denen zwei nichts zur Sache beitragen, erzeugt ein falsches Sicherheitsgefühl.
Die Berechtigungslogik ist die zweite tragende Eigenschaft. Dass die Suche nur zugängliche Inhalte erfasst, klingt beruhigend und hat zwei praktische Folgen, die Sie kennen sollten. Die erste: Antworten sind personenabhängig. Zwei Personen können auf dieselbe Frage unterschiedliche Antworten erhalten, ohne dass eine davon falsch ist. Das ist korrekt, führt aber im Alltag zu Verwirrung – etwa wenn eine Führungskraft eine Antwort weitergibt, die das Team so nicht erhalten kann. Die zweite Folge: Fehlerhafte Berechtigungen werden wirksam. Eine Seite mit Gehaltsdaten, die versehentlich für alle sichtbar ist, wurde bisher schlicht nicht gefunden. Eine Antwortmaschine findet sie und formuliert die Inhalte auf Nachfrage aus.
Daraus folgt die wichtigste Betriebsregel dieses Artikels: Vor der Freigabe einer KI-Wissenssuche gehört eine Durchsicht der Berechtigungen – insbesondere der weit gestreuten Freigaben, der Gastzugänge und der Bereiche, die historisch als vermeintlich unauffindbar behandelt wurden. Diese Durchsicht ist keine große Aufgabe, wenn sie geplant erfolgt, und sie ist ein Vorfall, wenn sie ausbleibt. Wir behandeln das Vorgehen im Betriebskapitel ausführlich.
Der dritte Block betrifft den Umfang des Bestands. Erfasst werden typischerweise Textseiten mit ihrer Gliederung, Einträge aus Datenbanken samt Eigenschaften, Kommentare und Diskussionen sowie – in unterschiedlicher Tiefe – hochgeladene Dateien. Bei Dateien lohnt eine genaue Nachfrage: Ob Textdokumente und Tabellenanhänge inhaltlich gelesen werden, ob eingescannte Dokumente per Texterkennung erschlossen werden und wie mit Bildinhalten umgegangen wird, unterscheidet sich erheblich und ändert sich mit Produktversionen. Für Organisationen, deren Wissen zu großen Teilen in Anhängen liegt, ist dieser Punkt entscheidend.
Ebenso wichtig ist, was nicht gesehen wird. Inhalte aus nicht angebundenen Systemen bleiben unsichtbar: das Dateilaufwerk, das Postfach, die Warenwirtschaft, das Zeichnungsarchiv. Eine Antwort, die auf einer unvollständigen Grundlage beruht, ist nicht als unvollständig markiert – sie klingt vollständig. Das ist die subtilste Gefahr dieser Werkzeugklasse und der Grund, warum wir empfehlen, den Geltungsbereich ausdrücklich zu kommunizieren: Ein Satz auf der Startseite, welche Wissensbereiche die Suche abdeckt und welche nicht, verhindert mehr Fehlentscheidungen als jede technische Maßnahme.
Station eins ist die Indexierung. Ihre Inhalte werden in handhabbare Abschnitte geteilt und so aufbereitet, dass sie nach inhaltlicher Nähe auffindbar sind. Dafür werden Texte in numerische Repräsentationen überführt, sogenannte Embeddings, die semantische Ähnlichkeit abbildbar machen. Praktisch heißt das: Der Abschnitt über Dienstreisen liegt in diesem Raum nahe bei einer Frage über Reisekosten, auch ohne gemeinsames Wort. Für Sie relevant ist die Konsequenz: Gut strukturierte Seiten mit sprechenden Überschriften werden besser gefunden als Sammelseiten mit fünfzehn Themen, weil die Abschnittsbildung dann sinnvolle Einheiten erzeugt.
Station zwei ist das Retrieval. Die Frage wird in dieselbe Repräsentation überführt und mit dem Index verglichen; die besten Kandidaten werden ausgewählt, häufig kombiniert mit klassischer Stichwortsuche und einer Nachsortierung. Vor allem aber wird hier auf die Berechtigungen der fragenden Person gefiltert. Dieser Schritt bestimmt die Antwortqualität stärker als das Sprachmodell: Was nicht gefunden wird, kann nicht verwendet werden. Wenn Ihr Haus fünf Fassungen derselben Richtlinie hat, entscheidet dieser Schritt, welche in die Antwort einfließt – und er hat keine Möglichkeit zu erkennen, welche die gültige ist, wenn das nicht im Dokument steht.
Station drei ist die Synthese. Das Sprachmodell erhält Frage und gefundene Abschnitte und formuliert die Antwort. Die Vorgabe lautet, sich auf das Mitgelieferte zu beschränken und Lücken einzugestehen. Wie zuverlässig das eingehalten wird, unterscheidet gute von schwachen Umsetzungen. Station vier ist die Zitatlogik: die Zuordnung der Antwort zu ihren Quellen. Sie ist keine Formalie, sondern das einzige Mittel, mit dem Beschäftigte eine Antwort ohne Vorwissen prüfen können.
Der Begriff Halluzination beschreibt eine erfundene, aber überzeugend formulierte Aussage. In RAG-Anwendungen ist dieses Risiko deutlich geringer als bei einem frei antwortenden Modell, weil die Antwort an mitgelieferte Belege gebunden ist – verschwunden ist es nicht. In der Praxis begegnen wir vier Mustern, die Sie kennen sollten. Das erste ist die Lückenfüllung: Sieben von acht Teilaspekten stehen in den Quellen, der achte wird ergänzt, weil er üblich klingt. Das zweite ist die Vermischung: Zwei ähnliche Dokumente – etwa eine Regelung für Deutschland und eine für Österreich – werden zu einer Aussage verschmolzen, die für keines der beiden Länder stimmt.
Das dritte Muster ist die überholte Quelle. Das System findet eine Seite von vor drei Jahren, die formal noch existiert und inhaltlich überholt ist, und formuliert daraus eine Antwort im Präsens. Aus Sicht des Systems ist alles korrekt: Die Quelle wurde gelesen und genannt. Aus Sicht des Unternehmens ist es eine Fehlinformation mit Quellenangabe – die schwierigste Variante, weil sie den Anschein von Belegtheit hat. Das vierte Muster ist die falsche Zahl: Auswertungen über viele Einträge, Summen und Durchschnitte gehören nicht in den Zuständigkeitsbereich einer Antwortmaschine, werden aber auf Nachfrage geliefert.
Gegen alle vier Muster helfen keine Modellwechsel, sondern organisatorische Maßnahmen. Erstens: Gültigkeitsangaben in die Dokumente selbst – Stand, Verantwortliche, Nachfolgedokument bei Ersetzung. Zweitens: Archivieren statt liegen lassen; überholte Seiten gehören aus dem durchsuchten Bestand entfernt oder klar als überholt markiert. Drittens: eindeutige Titel, die Geltungsbereiche benennen. Viertens: eine Nutzungsregel, die klarstellt, wofür Antworten verwendet werden dürfen – Orientierung und Wiederfinden ja, verbindliche Zusagen gegenüber Kunden oder Behörden nur nach Prüfung der Quelle. Diese vier Maßnahmen kosten wenig und wirken deutlich mehr als jede Feinjustierung an der Technik.
Q&A steht nicht allein. Die Schreibhilfe auf der Seite erzeugt Entwürfe, kürzt, übersetzt und strukturiert – und produziert damit einen Teil derjenigen Inhalte, die später durchsucht werden. Das ist ein Kreislauf mit Nebenwirkung: Wenn ungeprüfte KI-Entwürfe in der Wissensbasis landen, werden sie zur Quelle künftiger Antworten. Wir empfehlen deshalb eine schlichte Regel, die sich in Projekten bewährt hat: KI-Entwürfe dürfen in Arbeitsbereichen entstehen, aber nur mit menschlicher Freigabe in den verbindlichen Wissensbestand wandern. Ohne diese Trennung verstärkt sich Qualität nicht, sondern Beliebigkeit.
Das automatische Füllen von Datenbankeigenschaften ist der zweite Baustein und der unterschätzte Hebel für Wiederfindbarkeit. Wenn jeder Eintrag automatisch eine Zusammenfassung, eine Kategorie und Schlagwörter erhält, verbessert das die Auffindbarkeit strukturierter Bestände erheblich – Kundenanfragen, Projektdokumente, Angebote. Beachten Sie zwei Dinge: Diese Funktion wird je Eintrag ausgelöst und ist damit ein Kostentreiber bei großen Beständen, und sie erzeugt abgeleitete Aussagen, die niemand geprüft hat. Für Ordnungszwecke ist das unproblematisch, für rechtlich relevante Einordnungen nicht.
Der dritte Baustein ist die Automatisierung in Datenbanken: regelbasierte Abläufe, die bei Änderungen Felder setzen, Aufgaben erzeugen oder Benachrichtigungen auslösen, teilweise mit KI-Schritten. Für die Wissenspflege ist das der wirksamste Einsatz, den wir kennen: eine Automatisierung, die Seiten mit überschrittenem Überprüfungsdatum markiert und den Verantwortlichen eine Aufgabe erzeugt. Damit wird Wissenspflege vom guten Vorsatz zum Vorgang – und genau davon hängt ab, ob Ihre Antwortmaschine im dritten Jahr noch brauchbare Antworten gibt.
Grundsätzlich sind drei Anbindungsarten zu unterscheiden, die häufig vermischt werden. Die erste ist die Suchanbindung: Ein Fremdsystem wird lesend erschlossen, damit seine Inhalte in Antworten einfließen. Die zweite ist die Arbeitsanbindung: Inhalte aus Notion werden in anderen Werkzeugen sichtbar oder umgekehrt, etwa als Vorschau eines Links im Chat. Die dritte ist die Automatisierungsanbindung: Ereignisse in einem System lösen Aktionen im anderen aus. Nur die erste Art erweitert das Blickfeld der Antwortmaschine; die anderen beiden verbessern den Arbeitsfluss. Für die Beschaffung ist diese Unterscheidung wichtig, weil Produktseiten alle drei unter dem Begriff Integration führen.
Die praktisch wichtigsten Suchanbindungen betreffen drei Systemklassen. Dateiablagen wie Google Drive, SharePoint oder OneDrive enthalten in vielen Mittelstandsunternehmen den größten Teil des dokumentierten Wissens – Angebote, Präsentationen, Verträge, Handbücher. Eine Anbindung hebt hier den größten Nutzen, bringt aber die größte Unschärfe mit: Dateiablagen sind historisch gewachsen, enthalten Dubletten, Entwürfe und Fassungen von vor Jahren und haben oft eine Berechtigungsstruktur, die niemand vollständig kennt. Wer eine Dateiablage anbindet, sollte vorher stichprobenartig prüfen, was dort tatsächlich für wen sichtbar ist.
Vorgangssysteme wie Jira oder Ticketsysteme sind der dritte Fall und häufig der dankbarste. Ihre Inhalte sind strukturiert, aktuell und haben einen klaren Kontext; Fragen nach dem Stand eines Vorhabens oder nach der Lösung eines bekannten Fehlerbildes lassen sich damit gut beantworten. Prüfen Sie hier vor allem die Berechtigungsübernahme: Bildet der Konnektor die Rechte des Quellsystems getreu ab, oder arbeitet er mit einem technischen Konto, dessen Sichtbarkeit größer ist als die der fragenden Person? Der zweite Fall ist ein ernstes Problem und kommt in der Praxis vor – nicht nur bei diesem Anbieter, sondern als generische Schwachstelle von Suchanbindungen.
Über alle Konnektoren hinweg gilt eine Regel, die wir in Projekten konsequent anwenden: Binden Sie ein System erst an, wenn Sie eine Frage benennen können, die es beantworten soll. Anbindungen aus Vollständigkeitsdenken verschlechtern die Antwortqualität, weil sie den Suchraum mit Rauschen füllen, und sie vergrößern die Datenschutzfläche ohne Gegenwert. Zwei gut gepflegte Quellen liefern bessere Antworten als sieben ungepflegte.
Der zweite Integrationsblock betrifft die Frage, wo Beschäftigte die Antwortmaschine überhaupt benutzen. Die Erfahrung aus Einführungsprojekten ist eindeutig: Ein Werkzeug, das man aktiv aufsuchen muss, wird nach der Einführungsphase seltener genutzt. Erfolgreiche Rollouts verankern die Suche dort, wo ohnehin gearbeitet wird – über eine Desktopanwendung mit Tastenkürzel, über eine Anbindung an die Chatplattform, in der die Frage direkt gestellt werden kann, oder über eine mobile Nutzung für den Außendienst. Prüfen Sie, welche dieser Zugänge in Ihrer Ebene verfügbar sind, denn sie entscheiden über die tatsächliche Nutzungsintensität mehr als jede Antwortqualität.
Ein zweiter Aspekt ist die Verbindung zur Kalender- und Aufgabenwelt. Wenn Besprechungsnotizen, Protokolle und Aufgaben im gleichen System liegen, werden Fragen nach Entscheidungen und Zuständigkeiten beantwortbar – eine der wertvollsten Anwendungen überhaupt, weil genau dieses Wissen sonst in Postfächern verschwindet. Voraussetzung ist Disziplin: Protokolle müssen tatsächlich dort entstehen. Wer Protokolle weiterhin als Textdatei per Mail verschickt, bekommt auf Fragen nach Entscheidungen keine Antwort, egal wie gut die KI ist.
Notion bietet eine Programmierschnittstelle, mit der Seiten und Datenbankeinträge gelesen, erstellt und geändert werden können. Für den Mittelstand sind daraus drei Anwendungsfälle relevant. Der erste ist die Zuführung: Inhalte aus einem Fachsystem – Produktdaten, Preislisten, Stammdaten – werden regelmäßig in eine Notion-Datenbank geschrieben, damit sie für die Antwortmaschine sichtbar werden. Das ist häufig der pragmatischere Weg als ein Konnektor, weil Sie steuern, was übertragen wird, und die Inhalte in einer aufbereiteten Form ankommen. Der zweite ist die Abführung: Verbindliche Dokumente werden nach Freigabe in ein Archiv oder Dokumentenmanagementsystem übertragen.
Der dritte Anwendungsfall ist die Anbindung an eigene Oberflächen, etwa ein Portal, das Antworten aus dem Wissensbestand anzeigt. Hier ist Vorsicht geboten: Ob und in welchem Umfang die Q&A-Fähigkeit selbst über eine Schnittstelle nutzbar ist, unterscheidet sich nach Ebene und Produktstand und ist ausdrücklich beim Anbieter zu prüfen. Verlassen Sie sich nicht darauf, dass eine im Produkt sichtbare Funktion auch programmatisch verfügbar ist. Und beachten Sie eine architektonische Grenze: Wenn Sie ohnehin eigene Antwortlogik bauen, stellt sich die Frage, ob nicht ein eigenes RAG-Vorhaben mit EU-Hosting der klarere Weg ist – dazu im Vergleichskapitel mehr.
Ein letzter Hinweis aus der Projektpraxis: Automatisierungsplattformen erleichtern solche Anbindungen erheblich, ohne dass Programmierung nötig wäre. Sie erzeugen aber eine weitere Stelle, an der Daten verarbeitet werden, und damit einen weiteren Prüfpunkt in Ihrer Datenschutzdokumentation. Wenn eine Automatisierungsplattform zwischen Ihrer Warenwirtschaft und Ihrem Wissensarbeitsplatz sitzt, ist sie Teil der Verarbeitungskette und gehört in das Verzeichnis der Verarbeitungstätigkeiten – ein Punkt, der in Mittelstandsprojekten regelmäßig übersehen wird.
Für die meisten mittelständischen Unternehmen im deutschsprachigen Raum ist Microsoft 365 der wichtigste Vergleichspunkt, und zwar aus einem sachlichen Grund: Wenn Mail, Dateien, Chat und Termine bereits dort liegen, hat eine Suite-Assistenz Zugriff auf einen größeren Teil des dokumentierten Alltagswissens als jede arbeitsplatzeigene Suche. Das Grounding auf SharePoint, OneDrive, Exchange und Teams erreicht Inhalte, die in Notion nie ankommen. Wer die Frage stellt, was in der Besprechung vor drei Wochen zu einem Thema entschieden wurde, hat mit einer Suite-Assistenz strukturell die besseren Karten – weil das Protokoll und die Mail dort liegen.
Dem stehen zwei Einschränkungen gegenüber, die in Projekten regelmäßig unterschätzt werden. Die erste ist die Berechtigungshygiene: Eine Suite-Assistenz macht jahrzehntelang gewachsene Freigaben auf Dateiablagen wirksam. Organisationen, die diese Aufräumarbeit nicht leisten, erleben unangenehme Überraschungen – von versehentlich sichtbaren Personalunterlagen bis zu Gehaltslisten in Antworten. Die zweite ist die Strukturlosigkeit der Quellen: Dateiablagen enthalten Entwürfe, Fassungen und Dubletten ohne Gültigkeitskennzeichnung. Eine Antwort daraus ist entsprechend unzuverlässig. Ein gepflegter Wissensarbeitsplatz mit klar benannten, aktuellen Seiten liefert für Grundsatzfragen bessere Antworten als eine große, ungeordnete Dateiablage.
In der Praxis empfehlen wir deshalb häufig eine bewusste Arbeitsteilung statt einer Entweder-oder-Entscheidung: die Suite-Assistenz für den Alltag in Mail, Dokumenten und Besprechungen; die arbeitsplatzeigene Antwortmaschine für das kuratierte Firmenwissen – Prozesse, Richtlinien, Produktwissen, Entscheidungen. Diese Aufteilung braucht eine klare Ansage in der Nutzungsrichtlinie, sonst entsteht Verwirrung darüber, wo welche Frage zu stellen ist. Zwei Sätze genügen: Fragen zu Regeln und Prozessen im Wissensarbeitsplatz, Fragen zu Vorgängen und Korrespondenz in der Suite.
Glean und vergleichbare Anbieter verfolgen einen dritten Ansatz: Sie halten selbst keine Inhalte, sondern indexieren viele Systeme und legen eine Antwortoberfläche darüber. Für Organisationen mit stark verteiltem Wissen – Wiki hier, Tickets dort, CRM woanders, Dateien überall – ist das konzeptionell die passende Antwort und funktional die stärkste Lösung. Zwei Dinge sollten Sie realistisch einschätzen. Erstens den Aufwand: Eine übergreifende Suche ist ein Projekt mit Konnektorenanbindung, Berechtigungsabbildung, Relevanzarbeit und laufender Pflege, nicht eine Funktion, die man einschaltet. Zweitens die Größenordnung: Diese Produkte sind für größere Organisationen konzipiert; Preisgestaltung und Mindestgrößen passen häufig nicht zum klassischen Mittelstand.
Für die Beschaffung ergibt sich eine nützliche Faustregel. Wenn mehr als etwa drei Viertel Ihres relevanten Wissens in einem System liegt, ist die eingebaute Antwortmaschine dieses Systems der wirtschaftlich klar bessere Weg. Wenn Ihr Wissen wirklich über viele Systeme verteilt ist, stellt sich die Vorfrage, ob eine übergreifende Suche die richtige Antwort ist – oder ob eine Konsolidierung der Ablagen das eigentliche Problem löst. Nach unserer Erfahrung ist die zweite Antwort im Mittelstand häufiger richtig: Eine Suche über sieben ungepflegte Systeme ist teurer und schlechter als eine gepflegte Wissensbasis in einem.
Die ehrliche Abwägung lautet: Diese Wege kosten mehr Eigenleistung und liefern weniger Komfort. Sie sind kein Kompromiss zweiter Klasse, sondern für einen Teil der Organisationen die einzig gangbare Wahl – im öffentlichen Umfeld, in regulierten Branchen, bei Konzernauflagen oder bei einer bewussten Souveränitätsstrategie. Was Sie nicht tun sollten, ist diese Abwägung implizit lassen. Sie ist die wichtigste Entscheidung des Projekts und gehört mit Begründung dokumentiert, weil sie später gegenüber Datenschutz, Betriebsrat und Geschäftsführung erklärt werden muss.
Die häufigste Fehlannahme in Projekten lautet, eine KI-Suche mache Struktur entbehrlich – man könne ja einfach fragen. Das Gegenteil ist der Fall. Retrieval arbeitet auf Abschnitten, und die Qualität dieser Abschnitte hängt an der Struktur des Dokuments. Eine Seite mit sprechenden Überschriften, kurzen Absätzen und einem klaren Thema erzeugt saubere Einheiten, die präzise gefunden werden. Eine Sammelseite mit fünfzehn Themen unter dem Titel Wichtiges erzeugt Abschnitte, die zu allem ein wenig und zu nichts genau passen. Struktur ist damit nicht Ordnungsliebe, sondern eine funktionale Anforderung.
Konkret bewährt haben sich vier Festlegungen. Erstens eine Trennung zwischen verbindlichem Wissen und Arbeitsstand, sichtbar in der Ablagestruktur und nicht nur in einer Konvention. Zweitens ein einheitlicher Seitenkopf für verbindliche Inhalte mit Stand, verantwortlicher Rolle, Überprüfungsdatum und Geltungsbereich – idealerweise als Datenbankeigenschaften, damit sich daraus Übersichten und Erinnerungen erzeugen lassen. Drittens sprechende Titel, die den Geltungsbereich enthalten: nicht Reisekosten, sondern Reisekostenregelung Deutschland ab 2026. Viertens die Regel, dass jedes verbindliche Dokument genau eine gültige Fassung hat und ältere archiviert werden.
Diese vier Punkte sind unspektakulär und der wirksamste Hebel überhaupt. In einem Vergleich, den wir in mehreren Projekten beobachtet haben, verbessert eine solche Bereinigung die Trefferqualität deutlicher als jeder Modell- oder Produktwechsel. Der Grund ist banal: Das System kann Widersprüche nicht auflösen, die im Bestand angelegt sind. Es kann nur wiedergeben, was es findet – und es findet, was Sie ablegen.
Berechtigungen sind das Thema, das in Einführungsgesprächen die geringste Aufmerksamkeit bekommt und die größten Vorfälle verursacht. Der Mechanismus ist einfach: Solange Inhalte praktisch unauffindbar sind, fällt eine zu weite Freigabe nicht auf. Eine Antwortmaschine hebt diese Unauffindbarkeit auf. Die Personalseite mit den Gehaltsbändern, das Strategiedokument aus der Geschäftsführung, die Liste der offenen Kündigungen – alles war schon vorher für zu viele Personen sichtbar, wurde aber nie gefunden. Nach der Freigabe der Suche steht es auf Nachfrage in einer wohlformulierten Antwort.
Ein strukturiertes Vorgehen dafür umfasst vier Schritte. Erstens eine Inventur aller weit gestreuten und öffentlichen Freigaben, mit einer Entscheidung je Fall. Zweitens eine Neuordnung sensibler Bereiche: Personal, Geschäftsführung, Recht, Vergütung, laufende Vorhaben mit Vertraulichkeit gehören in klar abgegrenzte Bereiche mit ausdrücklich benannten Berechtigten – nicht in den allgemeinen Arbeitsbereich mit Einzelfallausnahmen. Drittens die Gästeordnung: definierte Bereiche für Externe, Zugänge mit Ablaufdatum und einer verantwortlichen Person, regelmäßige Überprüfung. Viertens der Lebenszyklus: automatische Deaktivierung bei Austritt, Übergabe von Inhaltseigentum, dokumentierte Prüfung im Halbjahresrhythmus.
Ein besonderer Hinweis zur Berechtigungsvererbung: In Wissensarbeitsplätzen erben Unterseiten typischerweise die Rechte ihrer übergeordneten Seite, und Ausnahmen werden punktuell gesetzt. Diese Logik ist bequem und wird nach zwei Jahren unübersichtlich, weil niemand mehr weiß, welche Ausnahme wo gilt. Prüfen Sie deshalb ausdrücklich, welche Werkzeuge Ihre Ebene bietet, um wirksame Berechtigungen einer Seite anzuzeigen und auszuwerten. Ohne diese Sicht ist eine belastbare Aussage darüber, wer welche Antworten erhalten kann, nicht möglich – und genau diese Aussage werden Datenschutzbeauftragte und Betriebsrat von Ihnen verlangen.
Die Einführung ist der einfache Teil. Schwieriger ist der Dauerbetrieb, und dafür gibt es drei bewährte Muster. Das erste ist die Befähigung zum Fragenstellen: eine kurze, praktische Einheit, in der Beschäftigte an echten Beispielen erleben, wie eine gute Frage aussieht, warum Nachfassen hilft und wo die Grenzen liegen. Zwanzig Minuten je Team, am besten in einer bestehenden Besprechung, wirken mehr als jede Schulungsunterlage. Das zweite Muster sind benannte Verantwortliche je Wissensbereich. Ohne Zuständigkeit verfällt jeder Bestand; mit Zuständigkeit entsteht eine Person, die eine falsche Antwort als Aufgabe versteht und die Quelle korrigiert.
Das dritte Muster ist die Rückmeldeschleife. Richten Sie einen einfachen Weg ein, über den Beschäftigte falsche oder veraltete Antworten melden können – ein Formular, eine Datenbank, ein Kanal. Wichtig ist nicht die Technik, sondern dass jede Meldung zu einer Änderung an einer Quelle führt und die meldende Person das erfährt. Organisationen, die diese Schleife etablieren, erleben eine sich verbessernde Wissensbasis; Organisationen ohne Schleife erleben eine langsam verfallende. Der Unterschied zeigt sich nicht im ersten Quartal, sondern im dritten Jahr.
Ergänzend lohnt eine schlichte Messung. Nicht die Zahl der gestellten Fragen ist interessant, sondern der Anteil der Fragen, die zu einer geöffneten Quelle führen, und die Zahl der gemeldeten Fehler pro Monat. Steigt die erste Zahl, wird das Werkzeug ernst genommen; sinkt die zweite, wird der Bestand besser. Kombiniert mit den zwanzig Ausgangsfragen aus Schritt eins, die Sie halbjährlich erneut stellen, haben Sie eine belastbare Aussage über den Nutzen – und eine Antwort auf die Frage der Geschäftsführung, was die Investition eigentlich gebracht hat.
Neue Beschäftigte verursachen in den ersten Wochen einen erheblichen Fragebedarf, und dieser Bedarf trifft die produktivsten Personen im Team, weil neue Kolleginnen sich naturgemäß an die Erfahrenen wenden. Eine Antwortmaschine löst dieses Problem nicht vollständig, nimmt aber die große Gruppe der einfachen Wiederholungsfragen auf: Wo finde ich die Vorlage für ein Angebot, wie beantrage ich einen Zugang, wer ist für welchen Kunden zuständig, wie läuft die Reisekostenabrechnung, welche Freigabe braucht eine Bestellung. Diese Fragen sind in fast jedem Unternehmen dokumentiert und werden trotzdem gestellt, weil das Suchen länger dauert als das Fragen.
Der zweite, weniger offensichtliche Nutzen betrifft die Hemmschwelle. Nicht jede Frage wird gestellt – manche erscheinen zu einfach, andere kommen zum dritten Mal. Ein System, das ohne Gesichtsverlust gefragt werden kann, senkt diese Schwelle und verhindert Fehler, die aus ungestellten Fragen entstehen. In Rückmeldungen aus Projekten ist dieser Punkt regelmäßig der am stärksten geschätzte, und er lässt sich schwer messen, aber gut erfragen.
Praktisch empfehlen wir für diesen Fall ein einfaches Vorgehen: Sammeln Sie die Fragen der letzten drei Eintritte, sorgen Sie dafür, dass jede davon eine gepflegte Antwortseite hat, und geben Sie die Suche den nächsten Eintretenden mit einer kurzen Anleitung. Nach vier Wochen fragen Sie beide Seiten – die Neuen und die bisherigen Ansprechpersonen. Das ist die überzeugendste Wirkungsmessung, die Sie in diesem Feld bekommen, und sie kostet nichts.
Im Vertrieb entscheidet nicht, ob Wissen existiert, sondern ob es im Gespräch verfügbar ist. Produktvarianten mit Ausnahmen, Rabattstaffeln mit Freigabegrenzen, Referenzkunden je Branche, Antworten auf typische Einwände, zulässige Vertragsbausteine – dieses Wissen ist in mittelständischen Unternehmen meist vorhanden, aber verteilt und schlecht auffindbar. Eine Antwortmaschine, die im Kundentermin auf dem Mobilgerät befragt werden kann und die Quelle mitliefert, ist hier unmittelbar wertvoll. Wichtig ist die Regel, dass verbindliche Zusagen – Preise, Fristen, Zusicherungen – nur nach Blick in die Quelle gegeben werden. Diese Regel ist keine Formalie, sondern der Unterschied zwischen einem Werkzeug und einem Haftungsrisiko.
Im Service und Support liegt der Nutzen in der Fallbearbeitung. Bekannte Fehlerbilder, Prüfschritte, Ersatzteilzuordnungen, Kulanz- und Gewährleistungsgrenzen: Wissen, das schnell wächst und schnell veraltet. Genau deshalb ist dieser Bereich der anspruchsvollste in der Pflege. Wir empfehlen, Servicewissen konsequent als Datenbank mit Überprüfungsdatum zu führen und die Pflege in den Prozess einzubauen – wer einen neuen Fall löst, dokumentiert ihn im gleichen Arbeitsgang. Ohne diese Einbettung entsteht innerhalb eines Jahres ein Bestand, dessen Antworten mehr Verwirrung stiften als Nutzen bringen.
Die häufigste Frage in Verwaltung, Einkauf und Projektarbeit lautet in Varianten immer gleich: Wer darf was, ab welcher Grenze, mit welcher Freigabe, auf welchem Formular. Diese Fragen sind eindeutig beantwortbar, wenn die Regelung geschrieben und aktuell ist – und sie werden trotzdem ständig gestellt, weil das Auffinden der Regelung mühsamer ist als die Rückfrage bei der Kollegin. Eine Antwortmaschine ist hier fast ideal: Die Fragen sind klar, die Antworten stehen in wenigen Dokumenten, und die Quellenangabe erlaubt die schnelle Prüfung.
Der Haken liegt in der Voraussetzung. Prozessdokumentation ist die unbeliebteste Aufgabe im Unternehmen, und in vielen Häusern ist sie unvollständig, veraltet oder verteilt über Dateiablagen, alte Intranetseiten und Mailanhänge. Wer die Antwortmaschine für diesen Fall nutzen will, muss zuerst diese Grundlage schaffen – und genau hier liegt der eigentliche Wert eines solchen Vorhabens. In mehreren Projekten hat die geplante Einführung einer KI-Suche mehr Bewegung in die Prozessdokumentation gebracht als drei Jahre gut gemeinter Appelle, weil ein sichtbarer Nutzen am Ende stand. Der Umweg lohnt: Sie erhalten nicht nur eine funktionierende Suche, sondern eine aufgeräumte Wissensbasis, die auch ohne KI wertvoll ist.
Für die Reihenfolge im Mittelstand empfehlen wir daher: Beginnen Sie mit dem Bereich, in dem die Dokumentation am besten ist – meist Verwaltung oder Qualitätsmanagement –, zeigen Sie dort den Nutzen, und nutzen Sie diesen Beleg, um die Bereiche mit schwächerer Dokumentation zur Aufräumarbeit zu motivieren. Der umgekehrte Weg, mit dem größten Problembereich zu beginnen, führt fast immer zu einem enttäuschenden Pilot und einer Debatte über die Untauglichkeit der Technik.
Die Kostenlogik besteht aus vier Blöcken. Der erste ist die Lizenz: Sitzplätze je Person, gestaffelt nach Ebene, günstiger bei jährlicher Zahlung, häufig mit einem eigenen Baustein oder Kontingent für KI-Funktionen. Der zweite Block ist die Vorarbeit: Berechtigungsdurchsicht, Bereinigung überholter Inhalte, Aufbau der Wissensarchitektur, Kennzeichnung von Gültigkeiten. Dieser Block ist in unseren Projekten regelmäßig der größte und wird fast immer vergessen. Der dritte Block ist die Befähigung: Einweisung, Nutzungsregeln, Multiplikatoren. Der vierte ist die laufende Pflege: Verantwortliche je Wissensbereich, Bearbeitung von Rückmeldungen, regelmäßige Überprüfung. Wer nur den ersten Block kalkuliert, unterschätzt das Vorhaben deutlich – und erklärt später eine ausbleibende Wirkung mit einem Produktmangel.
Für eine belastbare Kalkulation sind fünf Fragen zu klären. Erstens: Wer braucht wirklich einen vollen Sitzplatz, und wie werden nur lesende Personen behandelt? In vielen Unternehmen erstellen zwanzig Prozent der Beschäftigten Inhalte, während achtzig Prozent lesen und fragen – die Behandlung dieser Gruppe bewegt die Gesamtsumme stärker als jeder Rabatt. Zweitens: Wie sind KI-Funktionen bepreist – im Sitzplatz enthalten, als Zusatzbaustein, kontingentiert nach Nutzung? Drittens: Was kosten Konnektoren zu Fremdsystemen, und ab welcher Ebene sind sie verfügbar? Viertens: Welche Ebene brauchen Sie tatsächlich für Anmeldung, Freigabesteuerung und Protokollierung? Fünftens: Welche Kontingente verbraucht das automatische Füllen von Datenbankfeldern bei Ihren Bestandsgrößen?
Der letzte Punkt verdient eine Warnung. Funktionen, die je Datensatz ausgelöst werden, skalieren mit dem Bestand und nicht mit der Zahl der Personen. Eine Automatisierung, die für jeden neuen Eintrag eine Zusammenfassung erzeugt, ist bei fünfzig Einträgen pro Monat unauffällig und bei fünftausend ein eigener Kostenblock. Klären Sie deshalb vor der Einrichtung solcher Automatisierungen, wie sie abgerechnet werden und ob Sie eine Obergrenze setzen können. Diese Frage kostet fünf Minuten und verhindert unangenehme Abrechnungen.
Für die Nutzenseite empfehlen wir eine bewusst konservative Rechnung. Nehmen Sie die zwanzig gesammelten Fragen, schätzen Sie die Häufigkeit pro Woche und die Zeit, die eine Antwort heute kostet – inklusive der Unterbrechung bei der gefragten Person. Rechnen Sie mit der Hälfte der geschätzten Einsparung, weil ein Teil der Fragen weiterhin persönlich gestellt wird. Bleibt die Rechnung dann noch positiv, ist sie belastbar. Verzichten Sie auf Prozentangaben aus Herstellerstudien; sie helfen in einer Geschäftsführungsdiskussion nicht, weil sie zu Recht angezweifelt werden.
Die datenschutzrechtliche Ausgangslage ist bei einem US-amerikanischen Anbieter strukturell anspruchsvoller als bei einem europäischen, unabhängig von der Qualität des Produkts – und sie wird durch KI-Funktionen um eine Stufe komplexer. Drei Punkte sind zu klären. Erstens der Verarbeitungsort: Lassen Sie sich bestätigen, wo Inhalte gespeichert werden, ob europäische Optionen bestehen, ab welcher Ebene, und ob das auch für Sicherungen, Protokolle, Supportzugriffe und insbesondere für die KI-Verarbeitung gilt. Der letzte Punkt ist der wichtigste und wird in Produktunterlagen häufig nicht klar getrennt.
Zweitens der Transfer und seine Grundlage. Wenn Daten das EU-Gebiet verlassen können, brauchen Sie eine tragfähige Grundlage: einen Auftragsverarbeitungsvertrag mit den erforderlichen Anlagen, Standardvertragsklauseln, gegebenenfalls die Zertifizierung des Anbieters nach dem aktuellen Transferrahmen und eine dokumentierte Abschätzung der Übermittlungsfolgen. Diese Unterlagen existieren bei etablierten Anbietern in der Regel; die Aufgabe besteht darin, sie einzuholen, zu prüfen und in Ihrem Verzeichnis der Verarbeitungstätigkeiten zu dokumentieren.
Drittens die Subprozessoren, und hier liegt der Punkt, der bei KI-Funktionen neu hinzukommt. Ein Wissensarbeitsplatz mit Antwortmaschine nutzt für die Modellverarbeitung in der Regel die Dienste eines oder mehrerer spezialisierter Modellanbieter. Damit erweitert sich die Verarbeitungskette um mindestens eine Stufe – mit eigenem Standort, eigenen Bedingungen und eigenen Aufbewahrungsfristen. Fragen Sie ausdrücklich: Welche Modellanbieter werden eingesetzt, wo verarbeiten sie, wie lange speichern sie Eingaben, ist ein Training mit Ihren Inhalten vertraglich ausgeschlossen, und gilt dieser Ausschluss auch für die nachgelagerten Verarbeiter? Und ergänzend: Können Sie die KI-Funktionen zentral abschalten, wenn Sie diese Kette nicht eingehen wollen? Die Antwort auf die letzte Frage entscheidet, ob das Werkzeug auch mit strengen Vorgaben nutzbar bleibt.
Ein Aspekt verdient in diesem Kapitel eigene Aufmerksamkeit, weil er spezifisch für KI-Antworten ist: die Berechtigungsvererbung. Dass Antworten den Rechten der fragenden Person folgen, ist die zentrale Schutzeigenschaft – und sie ist nur so verlässlich wie Ihre Rechtestruktur. In Wissensarbeitsplätzen erben Unterseiten typischerweise die Rechte der übergeordneten Seite. Über Jahre entstehen dabei Ausnahmen, verwaiste Freigaben und Bereiche, deren Sichtbarkeit niemand mehr überblickt. Datenschutzbeauftragte werden von Ihnen eine Aussage darüber verlangen, welche Personengruppen welche Inhalte über die KI erreichen können. Diese Aussage ist ohne eine Auswertung wirksamer Berechtigungen nicht möglich – prüfen Sie deshalb, welche Werkzeuge Ihre Ebene dafür bietet, und dokumentieren Sie das Ergebnis.
Der zweite spezifische Aspekt sind Beschäftigtendaten. Seiten enthalten Namen und Zuständigkeiten, Kommentare enthalten Meinungen und Bewertungen, angebundene Chatverläufe enthalten Beschäftigtenkommunikation, und Nutzungsprotokolle zeigen, wer wann welche Frage gestellt hat. Diese Protokolle sind für Sicherheit und Nachvollziehbarkeit sinnvoll und ermöglichen zugleich eine Verhaltens- und Leistungskontrolle. Sie gehören deshalb auf die Agenda der Mitbestimmung, bevor die Funktion ausgerollt wird, nicht danach. Praktikabel ist meist eine Vereinbarung, die Auswertungen auf aggregierter Ebene und für Sicherheitszwecke erlaubt und personenbezogene Leistungsauswertungen ausschließt.
Sechs Punkte gehören in jede Einführung. Erstens der Auftragsverarbeitungsvertrag mit allen Anlagen, abgeschlossen und im Verzeichnis der Verarbeitungstätigkeiten dokumentiert, einschließlich der Bewertung des Drittlandtransfers. Zweitens die geprüfte Subprozessorenliste mit den KI-Modellanbietern und der vertraglichen Zusage zum Ausschluss des Modelltrainings. Drittens eine dokumentierte Entscheidung über die KI-Funktionen: freigeben, begrenzen oder abschalten, mit Begründung, sowie eine getrennte Entscheidung je Konnektor. Viertens ein Berechtigungs- und Gästekonzept mit dokumentierter Durchsicht vor der Freigabe. Fünftens Aufbewahrungs- und Löschregeln je Inhaltsart. Sechstens eine kurze Nutzungsrichtlinie, die festlegt, welche Inhalte in den Arbeitsbereich gehören, welche nicht und wofür Antworten verwendet werden dürfen.
Diese sechs Punkte lassen sich auf wenigen Seiten abbilden und sind in überschaubarer Zeit erledigt, wenn sie zu Projektbeginn angegangen werden. Nachträglich sind sie deutlich aufwendiger, weil dann bereits Inhalte existieren, Gäste Zugriff haben und Gewohnheiten entstanden sind. Der häufigste Fehler in Projekten zur KI-Wissenssuche ist nicht die falsche Produktwahl, sondern der Start ohne Regeln – meist, weil die Funktion so harmlos aussieht wie ein besseres Suchfeld.
