Wissensdatenbanken wachsen durch Hinzufügen. Menschen schreiben ein Dokument für ein neues Projekt, kopieren ein altes, um es für ihr Team anzupassen, und löschen selten etwas. Nach ein paar Jahren und ein oder zwei Umstrukturierungen gibt es mehrere Versionen desselben Prozesses, und niemand weiß genau, welcher das Team noch folgt.
Lange Zeit kostete das vor allem Zeit. In unserer Umfrage zur Unternehmenssuche verbrachten 34 % der Beschäftigten täglich 30 bis 60 Minuten damit, auf Antworten auf ihre Fragen zu warten.
Inzwischen lesen auch KI-Assistenten und Agenten die Wissensdatenbank, und sie antworten aus der Version, die sie zuerst finden, mit derselben Überzeugung, ob sie aktuell ist oder zwei Umstrukturierungen alt.
Irgendwann muss jedes Unternehmen aufhören, Neues hinzuzufügen, und Bilanz ziehen über das, was es bereits hat.
Ein Wissensaudit gibt Ihnen ein klares Bild davon, was Ihr Unternehmen schriftlich festgehalten hat und was fehlt, veraltet oder doppelt vorhanden ist. Am Ende steht eine Entscheidung für jedes Dokument, damit Sie eine Wissensdatenbank behalten, der Menschen und KI vertrauen können.
Das Wichtigste in Kürze
- Ein Wissensaudit ist eine Bestandsaufnahme dessen, was Ihre Wissensdatenbank enthält und was fehlt, veraltet oder doppelt vorhanden ist.
- Legen Sie fest, was in die Wissensdatenbank gehört, bevor Sie irgendetwas zählen.
- Messen Sie Ihren Stand mit ein paar Kennzahlen und einem kurzen Test der Antworten Ihrer KI.
- Lassen Sie die KI Probleme in einer Kopie Ihrer Wissensdatenbank markieren, und überlassen Sie die endgültige Entscheidung Menschen.
- Schließen Sie mit einer Entscheidung für jedes Dokument ab und übergeben Sie dann jedes einem Verantwortlichen mit einem Prüfdatum.
Was ist ein Wissensaudit?
Ein Wissensaudit ist eine strukturierte Überprüfung dessen, was ein Unternehmen weiß und wo dieses Wissen festgehalten ist. Es prüft, was in allen Tools vorhanden ist und was fehlt, doppelt oder veraltet ist, und endet mit einer Entscheidung für jedes Dokument.
Unternehmen führen es einmal als Ausgangsbasis durch und dann erneut nach einer großen Veränderung, etwa einer Umstrukturierung, einer Fusion, dem Wechsel zu einem neuen Tool oder der Einführung einer neuen KI.
Jedes Dokument wird am Ende behalten, aktualisiert, mit seinem Duplikat zusammengeführt, mit dem System verlinkt, in das es gehört, oder archiviert. Damit die Wissensdatenbank danach in Form bleibt, braucht es regelmäßige Pflege der Wissensdatenbank.
Das Ziel ist eine Single Source of Truth, die aktuell bleibt und in der Wissen erhalten bleibt, wenn Menschen gehen, Teams sich verändern und das Unternehmen sich immer wieder neu aufstellt.
Warum ein Wissensaudit wichtiger wird, sobald KI Ihre Wissensdatenbank liest
KI macht falsches Wissen teurer. Jedes veraltete oder doppelte Dokument kostet Tokens, wenn die KI es liest, Zeit, wenn eine Person die Antwort prüfen oder neu erarbeiten muss, und Qualität, wenn eine falsche Antwort in eine Kunden-E-Mail, einen Bericht oder die nächste Aktion eines Agenten einfließt.
KI stößt bei Unternehmenswissen auf zwei Probleme:
- Zu viele Quellen. Wissen liegt verteilt im Wiki, in Laufwerken, im Chat, im Helpdesk und im CRM, daher muss die KI mit all diesen Orten verbunden sein. Connectors und Tools für die Unternehmenssuche erreichen inzwischen die meisten davon, sodass dieses Problem kleiner wird.
- Genauigkeit. Selbst wenn die KI alles erreichen kann, weiß sie immer noch nicht, welches Dokument stimmt. Veraltete, doppelte und widersprüchliche Dokumente wirken für sie alle gleich gültig, und eine bessere Suche ändert daran nichts.
Ein Wissensaudit setzt beim zweiten Problem an.
In einem aktuellen Stresstest von Retrieval-Systemen beantwortete dasselbe Modell mit einer sauberen Wissensdatenbank 98,6 % der Fragen richtig und nur 25,4 %, wenn Fakten in den Dokumenten verändert worden waren, ohne dass sich sonst etwas am Aufbau geändert hatte.
Die Dokumente zu bereinigen ist außerdem günstiger, als sie zu umgehen.
Ein intelligenteres, teureres KI-Setup kann mehr Quellen lesen und länger nachdenken, antwortet aber trotzdem aus denselben falschen Dokumenten, und jede Antwort kostet mehr.
Wie Sie entscheiden, was in Ihre Wissensdatenbank gehört
Bevor Sie irgendetwas zählen, legen Sie fest, wofür die Wissensdatenbank da ist.
Eine Wissensdatenbank sollte dauerhaftes Wissen enthalten: die Richtlinien, Prozesse und Produktinformationen, auf die sich mehrere Teams verlassen und die über Monate oder Jahre gültig bleiben. Menschen und KI kehren für Antworten zu diesen Dokumenten zurück, daher sind genau sie es, die aktuell bleiben müssen.
Alles andere wird anders behandelt. Meeting-Notizen und Entwürfe können als Aufzeichnungen auffindbar bleiben, sollten aber nicht als die Wahrheit gelten, und Wissen, das in einem anderen System besser aufgehoben ist, wird verlinkt.
Beginnen Sie mit einer Bestandsaufnahme aller Orte, an denen Wissen liegt: das Wiki, gemeinsame Laufwerke, der Chat, der Helpdesk, das Ticketing-Tool. Sortieren Sie dann, was Sie finden, in drei Gruppen, mit zwei Fragen für jedes Dokument: wie lange es gültig bleibt und wie viele Menschen darauf angewiesen sind.

Wissen, das aktuell bleiben muss
Das sind die Dokumente, für die die Wissensdatenbank da ist. Jedes bekommt einen Verantwortlichen und ein Prüfdatum. Typische Beispiele:
- Richtlinien, etwa zu Urlaub, Spesen, Sicherheit und Datenumgang
- Prozesse und Playbooks, etwa Onboarding, Kundenübergaben und Incident Response
- Produktinformationen, etwa wie Funktionen arbeiten, Preise und das Changelog
- Grundlagen zum Unternehmen, etwa wer für welchen Bereich zuständig ist, die Teamstruktur und die Tools, die jedes Team nutzt
Manche davon ändern sich selten, etwa eine Sicherheitsrichtlinie. Andere ändern sich jede Woche, etwa Preise, daher bekommen sie kürzere Prüfdaten.
Wissen, das in ein anderes Tool gehört
Technische Spezifikationen gehören neben den Code, Support-Antworten in den Helpdesk, die Kundenhistorie ins CRM und aktuelle Preise ins Abrechnungssystem.
Wer sie aus ihrem System of Record herauskopiert, schafft eine zweite Version, die hinter der ersten zurückbleibt. Verlinken Sie stattdessen auf die Quelle.
Dieselbe Logik gilt für Migrationen. Wenn alles in ein Tool verschoben wird, wandert jedes Duplikat und jedes veraltete Dokument mit, also legen Sie fest, was bleibt, bevor irgendetwas umzieht.
Aufzeichnungen eines bestimmten Zeitpunkts
Meeting-Notizen, Entwürfe, alte Angebote und Projektprotokolle halten fest, was jemand zu einem bestimmten Zeitpunkt dachte. Sie sind nützliche Historie, und Menschen sollten sie weiterhin finden können.
Zum Problem werden sie, wenn sie neben Richtlinien abgelegt sind und nichts sie als niemals endgültig kennzeichnet.
Bewahren Sie sie in klar gekennzeichneten Bereichen auf, außerhalb der Source of Truth und außerhalb der KI-Suche. Wenn in einem Meeting eine Entscheidung fällt, schreiben Sie diese Entscheidung in ein eigenes Dokument mit einem Verantwortlichen, dieselbe Gewohnheit, mit der Teams eine Wissensdatenbank für KI-Agenten aufbauen.
Wie Sie messen, wo Ihre Wissensdatenbank steht
Bevor Sie etwas ändern, messen Sie, wie viel Ihrer Wissensdatenbank Sie vertrauen können und wo die Probleme liegen. Zwei Dinge liefern Ihnen diese Ausgangsbasis: ein paar Kennzahlen über Ihre Dokumente und ein kurzer Test der Antworten, die Ihre KI gibt.
Beginnen Sie mit den Kennzahlen:
| Kennzahl | Was sie Ihnen sagt |
|---|---|
| Anteil verifizierter Dokumente | Wie viel der Wissensdatenbank jemand geprüft hat |
| Anteil der Dokumente mit Verantwortlichem | Ob jemand dafür zuständig ist, sie korrekt zu halten |
| Anteil der Duplikate | Wie oft dasselbe Wissen doppelt existiert |
| Anteil seit sechs Monaten nicht aufgerufen | Wie viel niemand liest |
| Anteil seit sechs Monaten nicht aktualisiert | Wie viel niemand pflegt |
Testen Sie dann die Antworten. Nehmen Sie 20 bis 50 echte Fragen aus Chat und Support, stellen Sie jede Ihrem KI-Assistenten und markieren Sie die Antwort als richtig oder falsch.
Verfolgen Sie jede falsche Antwort zu dem Dokument zurück, aus dem sie stammt. Bei diesen Dokumenten beginnt das Audit. Die Vorlage für ein KI-Kontext-Audit führt Sie durch diesen Test für einen KI-Anwendungsfall.
Stellen Sie nach dem Audit dieselben Fragen erneut. Der Anteil der Fragen, die anhand verifizierter Dokumente richtig beantwortet werden, die Quote verifizierter Antworten, ist ab dann die Kennzahl, die Sie verfolgen.
Wie Sie das Audit mit KI durchführen und über jedes Dokument entscheiden
Am sichersten auditieren Sie mit KI, indem Sie ihr eine Kopie Ihrer Wissensdatenbank geben und sie nur berichten, nie bearbeiten lassen. Nutzen Sie einen Export, einen Test-Workspace oder Lesezugriff. Die KI markiert Dokumente, und eine Person entscheidet, was mit jedem davon in der live genutzten Wissensdatenbank passiert.
KI-Assistenten wie Claude und ChatGPT können sich über einen MCP-Server mit einer Wissensdatenbank verbinden und so Dokumente direkt lesen.
Geben Sie dem Assistenten Ihre Abgrenzungsregeln aus dem ersten Schritt und bitten Sie ihn dann, Folgendes zu markieren:
- Dokumente, die nach Ihren Abgrenzungsregeln nicht in die Wissensdatenbank gehören
- Duplikate, einschließlich Kopien, die jemand zur Anpassung eines Dokuments erstellt hat und die nicht mehr mit dem Original übereinstimmen
- Dokumente, die einem neueren Dokument zum selben Sachverhalt widersprechen
- Dokumente, die seit sechs Monaten niemand aufgerufen oder bearbeitet hat
- Meeting-Notizen und Entwürfe, die als letztes Wort behandelt werden
Überlassen Sie die endgültige Entscheidung Menschen, auch wenn die KI sich sicher ist.
Ein Team, das einem Assistenten Schreibzugriff zum Aufräumen gab, stellte fest, dass er weit mehr archiviert hatte als beabsichtigt, weil er ein altes Dokument, das niemand liest, nicht von einem alten Dokument unterscheiden konnte, das noch wichtig ist.
Das Audit über KI laufen zu lassen hat auch seinen Preis, also planen Sie dies ein, bevor Sie beginnen. Ein vollständiger Durchlauf mit einem Frontier-Modell kann die Limits eines Plans aufbrauchen oder eine hohe API-Rechnung verursachen, während ein kleines, günstigeres Modell das Sortieren gut bewältigt.
Sammeln Sie die geprüften Markierungen in einem Bericht, mit einer Entscheidung für jedes Dokument:
| Dokument | Verantwortlich | Grund der Markierung | Entscheidung | Prüfdatum |
|---|---|---|---|---|
| Übergabe Vertrieb an Onboarding v3 | Head of Customer Success | Duplikat von v4 | In v4 zusammenführen | 3 Monate |
| Urlaubsrichtlinie 2024 | Teamleitung People | Seit 14 Monaten nicht aktualisiert | Aktualisieren | 6 Monate |
| Planungsnotizen Q2 | Ehemaliger Produktmanager | Aufzeichnung wird als aktuell behandelt | Archivieren | Keins |
| API-Ratenlimits | Engineering Lead | Kopie der Entwicklerdokumentation | Auf Quelle verlinken | Keins |
Jede Entscheidung gehört jemandem, der die Arbeit kennt.
Die Leitlinien von APQC zum Entfernen veralteten oder doppelten Wissens verorten die Verantwortung für Inhalte im Fachbereich, weil nur Menschen mit diesem Wissen entscheiden können, ob ein Dokument aktualisiert, archiviert oder zusammengeführt werden sollte.
Inhalte auszumustern ist meist die schwierigste Entscheidung, weil immer jemand befürchtet, das Dokument könnte eines Tages gebraucht werden.
Archivieren statt Löschen nimmt die meisten dieser Sorgen. Die KCS-Methodik behandelt einen archivierten Artikel als aus der Suche entfernt, aber nicht vernichtet, sodass sich alles, was versehentlich archiviert wurde, wiederherstellen lässt.
Was nach einem Wissensaudit passiert
Eine einmalige Bereinigung hält nicht, solange sich nicht um jedes behaltene Dokument jemand kümmert.
Die Pflege funktioniert am besten als kleine, regelmäßige Arbeit, erledigt von den Menschen, die das Wissen nutzen, statt als große Aufräumaktion, die bis zum nächsten Audit wartet.
Die KCS-Methodik vergleicht sie mit einem Garten, in dem ständig Unkraut gejätet werden muss, und bittet alle, die ein Problem in einem Dokument finden, es zu markieren oder sofort zu beheben.
Aus dem Audit wird ein Kreislauf aus vier Gewohnheiten:
- Entscheiden. Reservieren Sie die Wissensdatenbank für dauerhaftes Wissen und überprüfen Sie etwa einmal im Jahr, was hineingehört.
- Verantworten. Viele Menschen schreiben, und eine verantwortliche Leitung pro Bereich hält die Dokumente korrekt, wobei Fachleute ihre eigenen Dokumente verifizieren.
- Verfolgen. Behalten Sie den Anteil verifizierter Dokumente und die Quote verifizierter Antworten im Blick, dazu die Fragen, die die KI nicht beantworten konnte.
- Handeln. Archivieren, zusammenführen und Aufzeichnungen auslagern, und verifizieren, neu zuweisen oder aktualisieren, was bleibt.

Mit der Zeit werden diese Gewohnheiten zu einem Wissensmanagementprozess, in dem Dokumente bewusst den Weg von der Erfassung bis zur Ausmusterung gehen.
Wie Sie ein Wissensaudit in Slite durchführen
Wir haben Slite so gebaut, dass ein Unternehmen das Audit und die Gewohnheiten danach an einem Ort umsetzen kann. Wenn Ihre Wissensdatenbank in einem anderen Tool liegt, können Sie sie zuerst aus Notion, Confluence oder Dateien importieren, und jeder der folgenden Schritte funktioniert genauso.
Messen Sie Ihren Stand mit Wissensanalysen
Die Wissensanalysen zeigen die Ausgangsbasis aus dem Messschritt, ohne dass Sie von Hand zählen müssen:
- Den Anteil Ihrer Dokumente, die verifiziert sind
- Wie viele KI-Antworten sich auf verifizierte Dokumente stützen
- Die nicht verifizierten Dokumente, die die KI am häufigsten liest und zitiert, damit Sie wissen, welche Sie zuerst korrigieren sollten
Das Knowledge Management panel ergänzt die Ansicht pro Dokument: Verifizierungsstatus, Verantwortlicher, Aufrufe und letzte Aktivität, mit Filtern für inaktive und leere Dokumente sowie Massenaktionen zum Verifizieren, Neuzuweisen oder Archivieren.
Räumen Sie mit Slite Agent auf
Slite Agent führt Wartungsprogramme nach einem von Ihnen festgelegten Zeitplan aus. Ein Programm prüft Dokumente, zum Beispiel jene, auf die sich die KI stützt, anhand ihrer Quellen und schlägt jede Korrektur als Änderungsanfrage vor.
Der Verantwortliche prüft die Änderung und genehmigt sie, bevor irgendetwas angewendet wird. So übernimmt der Agent die Prüfung, und Menschen behalten die endgültige Entscheidung.
Um Duplikate zu finden, listet Doc insights ähnliche Dokumente auf, und Sie können Slite Agent bitten, Kopien zu finden und vorzuschlagen, welche zusammengeführt werden sollten. Wenn Sie lieber Ihren eigenen Assistenten nutzen, ermöglicht der Slite MCP-Server Claude oder ChatGPT, Ihren Workspace zu lesen, und jede Bearbeitung erscheint im Dokumentverlauf.
Richten Sie Channels und Verantwortliche ein
Channels haben die Rollen Admin, Writer und Reader, sodass jede Abteilung eine verantwortliche Leitung haben kann, während alle weiterhin Zugriff behalten.
Für vertrauenswürdige Dokumente wie Richtlinien verhindert die geschützte Bearbeitung versehentliche Änderungen. Writer können weiterhin bearbeiten, wenn sie sich bewusst dafür entscheiden.
Halten Sie Dokumente verifiziert
Mit Doc verification können Verantwortliche ein Dokument für einen festgelegten Zeitraum als verifiziert markieren, und Slite benachrichtigt sie, wenn dieser abläuft. Geben Sie schnelllebigen Dokumenten wie Preisen einen kurzen Zeitraum und stabilen Richtlinien einen längeren.
Als veraltet markierte Dokumente werden aus den Antworten von Slite Agent herausgehalten und in der Suche niedriger eingestuft, sodass der Assistent aus dem antwortet, was das Team geprüft hat.
Wenn Sie sehen möchten, wie das mit Ihrer eigenen Wissensdatenbank funktioniert, buchen Sie eine Demo, und wir gehen gemeinsam mit Ihnen ein Audit durch.
Abschließende Gedanken
Der Wert eines Wissensaudits liegt in der Entscheidung, die es für jedes Dokument hinterlässt, und in dem Verantwortlichen, der diese Entscheidung aktuell hält. Ein Audit hinterlässt oft eine kleinere Wissensdatenbank, und das hilft. Weniger Dokumente, von denen jedes einen Verantwortlichen hat und verifiziert ist, liefern Menschen und KI bessere Antworten als ein großes Archiv, dem niemand vertraut.
FAQ
Wie oft sollten Sie ein Wissensaudit durchführen?
Führen Sie einmal ein vollständiges Wissensaudit durch, um eine Ausgangsbasis zu schaffen, und dann erneut nach einer großen Veränderung wie einer Migration, einer Fusion, einer Umstrukturierung oder der Einführung einer neuen KI. Zwischen den Audits halten Verantwortliche, Prüfdaten und regelmäßige Kontrollen die Wissensdatenbank aktuell.
Wer sollte ein Wissensaudit durchführen?
Eine kleine Gruppe funktioniert am besten. Eine Person verantwortet das Audit, jemand aus dem Support oder einem anderen Frontline-Team bringt die Fragen ein, die Menschen tatsächlich stellen, und die Leitung jedes Bereichs entscheidet, was mit den Dokumenten darin passiert.