Industrie · Wissenssicherung mit KI
Expertenwissen sichern mit einer KI-Wissensdatenbank, bevor die Fachkräfte in Rente gehen
Kurz gesagt
Eine KI-Wissensdatenbank macht E-Mails, Servicereports und Betriebsanleitungen aus Jahrzehnten semantisch durchsuchbar, und jede Antwort kommt mit Belegstelle aus Ihren eigenen Quellen. Bis 2040 erreichen rund 13,3 Millionen Erwerbspersonen in Deutschland das Rentenalter (Statistisches Bundesamt, Juni 2026). Pexon Consulting baut das für technische Leitung, Instandhaltung und IT in Industrieunternehmen ab 500 Mitarbeitern: Festpreis-Pilot ab 30.000 Euro, auf Wunsch komplett On-Premise oder air-gapped.
Microsoft Solutions Partner
ISO 27001
On-Premise, air-gapped oder EU-Cloud
Warum Wissen nur in Köpfen und Postfächern teuer wird
Das entscheidende Wissen steckt bei den wenigen langjährigen Mitarbeitern und in zehntausenden E-Mails, Servicereports und Ordnerstrukturen, die über Jahrzehnte gewachsen sind. Wissensverlust durch Pensionierung lässt sich dabei nicht durch Nachbesetzung vermeiden: Das Erwerbspersonenpotenzial in Deutschland schrumpft um rund eine halbe Million Menschen pro Jahr (IW Köln, Juni 2026).
Alles landet bei derselben Person
Wiederkehrende Fachfragen gehen immer an den einen Kollegen, der seit 30 Jahren dabei ist. Geht er in Rente, geht die Antwort mit, und niemand hat je aufgeschrieben, worauf sie beruhte.
Recherche vor jeder Antwort
Bevor eine Kundenanfrage oder ein Störungsfall beantwortet wird, wird erst einmal in alten Mails und auf Laufwerken gesucht. In den technischen Abteilungen, mit denen wir sprechen, sind 200 bis 300 eingehende Mails pro Tag der Normalfall.
Zweimal dieselbe Entscheidung
Dass ein Bauteil vor zehn Jahren bewusst verworfen wurde, weiß nach einem Personalwechsel niemand mehr. Also wird das Problem erneut untersucht, und neue Kollegen brauchen Monate, bis sie eigenständig entscheiden können.
Der Hebel in Zahlen
Rund ein Fünftel der Arbeitszeit geht in Wissensarbeit für die Suche nach internen Informationen drauf. Genau diesen Zeitblock greift eine durchsuchbare Wissensbasis an. Die folgenden Zahlen stammen aus veröffentlichten Studien zu Wissensarbeit und Demografie, nicht aus Pexon-Projekten.
bis zu 35 % weniger Suchzeit
McKinsey schätzte den Effekt, den ein durchsuchbar gemachter Wissensbestand auf die Suchzeit nach Firmeninformationen hat. Die Schätzung stammt aus der Zeit vor RAG, der Wirkmechanismus ist derselbe. (McKinsey Global Institute, The Social Economy, 2012)
19 % der Arbeitszeit gehen in die Suche
So viel Arbeitszeit verbringen Wissensarbeiter damit, interne Informationen aufzuspüren oder den Kollegen zu finden, der weiterhelfen kann. (McKinsey Global Institute, The Social Economy, 2012)
5 Stunden pro Woche Warten auf Kollegen
So lange warten Beschäftigte in Unternehmen ab 200 Mitarbeitern im Schnitt pro Woche auf Auskünfte von Kollegen oder erarbeiten vorhandenes Wissen neu. US-Erhebung unter 1.001 Befragten. (Panopto/YouGov Workplace Knowledge Report, 2018)
4,3 Mio. fehlende Arbeitskräfte bis 2036
Das Erwerbspersonenpotenzial sinkt von rund 55 Millionen im Jahr 2025 auf etwa 51 Millionen im Jahr 2036, also um knapp sieben Prozent. Wissen ersetzt sich nicht durch Nachbesetzung. (IW Köln, Schäfer/Deschermeier, Juni 2026)
Ab wann sich eine KI-Wissensdatenbank lohnt
Eine KI-Wissensdatenbank lohnt sich, sobald in einer Abteilung zwei oder mehr Schlüsselpersonen innerhalb der nächsten fünf Jahre in den Ruhestand gehen, der Wissensbestand über zehn Jahre ohne einheitliche Metadaten gewachsen ist und dieselben Fachfragen mehrmals pro Woche bei derselben Person landen. Zwei von drei Signalen genügen für ein sinnvolles Gespräch.
2+ Schlüsselpersonen
gehen in den nächsten 5 Jahren in Rente
10+ Jahre
gewachsene Ablage ohne Metadaten
mehrmals pro Woche
dieselbe Frage an dieselbe Person
Wo die Wissensdatenbank im Alltag greift
Use Case 01
Servicetechnik: semantische Suche in der technischen Dokumentation
Antwort mit Quellenangabe in Sekunden, statt Suche über vier Ablagesysteme. Ein Servicetechniker beschreibt das Störungsbild in eigenen Worten. Das System durchsucht Servicereports, Wartungsanleitungen und E-Mail-Verläufe aus Jahrzehnten und zeigt vergleichbare Fälle samt damaliger Lösung.
Der Techniker sieht sofort, ob der Fall schon einmal auftrat, und woran es damals lag.
Use Case 02
Projektarbeit: alte Entscheidungen wiederfinden
Keine Doppelarbeit an einer Frage, die vor zehn Jahren bereits entschieden wurde. Ein Projektleiter fragt, warum ein bestimmtes Kabel damals nicht genommen wurde. Das System findet die Entscheidung im damaligen Mailverlauf, ohne dass jemand Betreff, Projektnummer oder Dateinamen kennt.
Alte Projektentscheidungen sind wieder auffindbar, samt Begründung von damals.
Use Case 03
Einarbeitung: neue Kollegen fragen das Firmen-Gedächtnis statt die Kollegin
Neue Mitarbeiter kommen voran, ohne die eine erfahrene Kollegin zu blockieren. Sie stellen ihre Fragen an die Wissensdatenbank, bekommen einen Antwortvorschlag mit Quelle und prüfen ihn selbst nach.
Wiederkehrende Fragen landen nicht mehr immer bei derselben einen Person.
Use Case 04
Übergabe: implizites Wissen externalisieren, bevor es geht
Das Erfahrungswissen bleibt abrufbar, bevor das Postfach mit seinem Besitzer das Haus verlässt. Vor dem Ausscheiden markiert der Mitarbeiter gemeinsam mit seiner Führungskraft den fachlichen Bestand, der in einen freigegebenen Wissensraum überführt und indexiert wird: zwei Jahrzehnte Verläufe, Anhänge, Servicereports und Freigaben.
Der dokumentierte Teil seiner Erfahrung bleibt nutzbar, auch nach dem letzten Arbeitstag.
Integration in Ihre Umgebung
Pexon Consulting baut die Wissensdatenbank als Suchschicht über Ihre Bestandssysteme, nicht als Ersatz. Gelesen wird über Konnektoren mit Leserechten, die Daten bleiben dort, wo sie heute liegen.
Quellsysteme
Microsoft 365 und Exchange · Persönliche und geteilte Postfächer, Anhänge, Archivbestände aus PST-Dateien.
Datei-Ablagen · SharePoint, Netzlaufwerke und NAS mit gewachsenen Ordnerstrukturen ohne Metadaten.
Fach- und Dokumentensysteme · DMS, Wikis und Confluence, Betriebs- und Wartungsanleitungen als PDF oder Scan. In der Instandhaltung vor allem SAP PM inklusive der Meldungs- und Auftragslangtexte, dazu Schichtbücher sowie Prüf- und Abnahmeberichte.
Betrieb und Zugriff
On-Premise oder air-gapped · Sprachmodell, Vektorindex und Oberfläche laufen im eigenen Rechenzentrum, auf Wunsch ohne jede Internet-Anbindung.
EU-Cloud als Alternative · Wenn kein Betrieb im Haus gewünscht ist: Modelle in EU-Regionen, ohne Training des Anbieters auf Ihren Daten.
Bestehende Berechtigungen · Der Index führt die Rechte aus Entra ID oder Active Directory pro Dokument mit. Die KI zeigt nur, was der fragende Nutzer ohnehin öffnen darf.
Wie die KI-Wissensdatenbank funktioniert
1
Quellen anbinden
Postfächer, Laufwerke, DMS und Fachsysteme werden über Konnektoren mit Leserechten erschlossen. Es wird nichts verschoben und nichts umbenannt.
2
Dokumente aufbereiten
PDFs, Scans, technische Zeichnungen und Tabellen werden per Texterkennung und Layout-Analyse lesbar gemacht und in inhaltlich sinnvolle Abschnitte zerlegt.
3
Vektorindex aufbauen
Jeder Abschnitt bekommt eine mathematische Repräsentation seiner Bedeutung. Diese Vektorsuche über Ihre Dokumente findet passende Stellen auch bei anderer Wortwahl, Abkürzungen oder Tippfehlern. So entsteht eine semantische Suche über Ihre technische Dokumentation: Betriebsanleitungen, Schaltpläne und Wartungsvorschriften werden nach Bedeutung gefunden, nicht nach Dateiname.
4
Berechtigungen spiegeln
Zugriffsrechte werden pro Dokument im Index geführt und bei jeder Anfrage ausgewertet, bevor überhaupt ein Ergebnis an das Sprachmodell geht.
5
Antwort mit Belegstelle erzeugen
Das Sprachmodell formuliert ausschließlich aus den gefundenen Stellen und verlinkt jede Aussage auf das Quelldokument. Reicht der Fund nicht aus, gibt das System „nicht gefunden“ aus, statt frei zu formulieren.
6
Messen und nachschärfen
Unbeantwortete und schlecht bewertete Fragen zeigen, welche Quelle fehlt oder falsch zerlegt wurde. Der Index wird nachgezogen, statt einmal aufgebaut und vergessen.
Warum Pexon statt Inhouse-Entwicklung
Inhouse aufbauen
✕Chunking, Vektorsuche und Rechte-Abbildung sind eigene Disziplinen. Das Team lernt sie am laufenden Projekt.
✕Der Prototyp steht in zwei Wochen. Danach bremst die Datenqualität monatelang.
✕Ohne Vergleich zu anderen Implementierungen werden dieselben Fehler zweimal gemacht.
Standardprodukt kaufen
✕Microsoft 365 Copilot und Enterprise-Search-Produkte durchsuchen, was sauber im jeweiligen Ökosystem liegt und aktuell ist.
✕PST-Archive, abgeschaltete Postfächer, Netzlaufwerke und gescannte Anleitungen sind Einzelfallprüfung, air-gapped ist bei keinem Anbieter Standard.
✕Lizenz pro Nutzer und Jahr, unabhängig davon, wie viele Menschen tatsächlich suchen.
Mit Pexon
✓Wir haben 30 Azure-Spezialisten im Haus und betreiben KI-Systeme selbst produktiv. Chunking, Rechte-Abbildung und Retrieval-Qualität sind bei uns Alltag.
✓Fixpreis-Pilot auf einer echten Abteilung, mit vorab vereinbartem Abnahme-Kriterium statt Stundenzettel.
✓Keine Nutzerlizenzen: Ob 40 oder 400 Leute fragen, ändert den Preis nicht. On-Premise, air-gapped oder EU-Cloud richtet sich nach Ihrer Compliance, nicht nach unserem Partnerstatus.
In vier Phasen zur produktiven Lösung
1
Woche 1
Use-Case-Workshop
Wir gehen mit Ihren Fachleuten durch, welche Fragen heute Zeit kosten, wo die Antworten liegen und welcher Wissensbestand zuerst erschlossen wird. Ergebnis ist eine Liste realer Fachfragen als spätere Abnahme-Grundlage.
2
Woche 2 bis 3
Quellen anbinden und indexieren
Postfächer, Laufwerke und Fachsysteme werden angebunden, Dokumente aufbereitet, der Index inklusive Berechtigungen aufgebaut und in Ihrer Zielumgebung ausgerollt.
3
Woche 4 bis 5
Pilot mit echten Fragen
Eine Abteilung arbeitet produktiv mit dem System. Jede Antwort wird gegen die Quelle geprüft, Lücken in Aufbereitung und Index werden nachgezogen.
4
Woche 6
Abnahme und modularer Ausbau
Abnahme gegen die im Workshop definierten Fragen. Danach kommen weitere Abteilungen und Quellen als eigene Ausbaustufen dazu, ohne dass etwas neu aufgebaut werden muss.
Pilot zum Festpreis
Der Einstieg ist ein Festpreis-Pilot auf einem klar abgegrenzten Wissensbestand: eine Abteilung, definierte Quellen, definierte Abnahme-Kriterien. Kein Rahmenvertrag, keine Plattform-Lizenz vorab. Wie so etwas ausgeht, zeigt unsere Referenz bei einem Verpackungshersteller: „Die Richtpreisfindung liefert in Sekunden, wofür wir früher die Erfahrung langjähriger Kollegen gebraucht haben.“ (IT-Leitung, anonymisiert)
Ihre Investition
ab 30.000 EUR
Festpreis nach Scoping · rund 6 Wochen bis Abnahme · Rahmen 30.000 bis 50.000 Euro
Enthält:
Enthalten · Use-Case-Workshop, Anbindung von bis zu drei Quellsystemen, Aufbereitung und Index eines abgegrenzten Bestands, Rechte-Abbildung, Weboberfläche für die Fachabteilung.
Was wir von Ihnen brauchen · Fachlicher Ansprechpartner 4 bis 6 Personentage über sechs Wochen, IT 2 bis 3 Personentage für Service-Accounts, Konnektoren und Netzwerk. Datenschutz und Betriebsrat binden wir vor dem Start ein, dafür sind 4 bis 8 Wochen Vorlauf realistisch, die parallel laufen.
Abnahme und Endpreis · Im Workshop legen wir eine Liste realer Fachfragen fest. Der Pilot gilt als abgenommen, wenn der vorab vereinbarte Anteil dieser Fragen korrekt und mit nachprüfbarer Belegstelle beantwortet wird. Der Endpreis steht nach dem Scoping von Datenvolumen und Quellenzahl. Danach kostet jede weitere Abteilung eine eigene Ausbaustufe zum Festpreis, den Betrieb übernimmt wahlweise Ihre IT nach Einarbeitung oder wir.
100 % unverbindlich, ohne Verpflichtung
Häufige Fragen
Wie sichern wir Expertenwissen, bevor ein Mitarbeiter in Rente geht?
Indem sein fachlicher Bestand aus E-Mails, Dokumenten und Entscheidungen in eine durchsuchbare KI-Wissensdatenbank überführt wird. Das System indexiert historische Verläufe, Servicereports und Anleitungen und beantwortet Fragen daraus mit Belegstelle. Starten Sie, solange die Person noch da ist: Sie kann Antworten gegenprüfen und Lücken benennen.
Reicht dafür nicht Microsoft 365 Copilot?
Copilot ist stark bei dem, was sauber und aktuell in Microsoft 365 liegt. Ihr Erfahrungswissen liegt meist woanders: in PST-Archiven, abgeschalteten Postfächern, auf Netzlaufwerken, im DMS und in gescannten Anleitungen ohne Textebene. Dafür setzen wir OCR und eigene Konnektoren davor, und air-gapped lässt sich Copilot nicht betreiben. Liegt Ihr Wissen überwiegend in aktuellem SharePoint, sagen wir Ihnen im Workshop offen, dass Copilot der günstigere Weg ist. Beides parallel geht auch.
Was ist eine KI-Wissensdatenbank (RAG) genau?
RAG steht für Retrieval Augmented Generation. Die KI durchsucht ausschließlich Ihre eigenen Quellen und beantwortet Fragen mit Belegstellen daraus, statt aus allgemeinem Trainingswissen zu formulieren. Für technische Dokumentation heißt das: Ein RAG-System liest Betriebsanleitungen, Schaltpläne und Servicereports direkt aus Ihrer Ablage, ohne dass Sie vorher umsortieren.
Was kostet eine KI-Wissensdatenbank?
Der Einstieg ist ein Festpreis-Pilot für eine Abteilung, Rahmen 30.000 bis 50.000 Euro. Enthalten sind Workshop, Anbindung, Index und Abnahme; der Endpreis steht nach dem Scoping von Datenvolumen und Quellenzahl. Jede weitere Abteilung ist eine eigene Ausbaustufe zum Festpreis. Nutzerlizenzen fallen keine an.
Wie machen wir historische E-Mails und alte Dokumente durchsuchbar?
Über Konnektoren mit Leserechten: Postfächer, PST-Archive und Laufwerke werden indexiert, inklusive Anhängen und Scans. Die semantische Suche toleriert abweichende Wortwahl und Tippfehler. So finden Sie frühere Entscheidungen wieder, ohne Betreff, Projektnummer oder Dateinamen zu kennen.
Wo stößt eine KI-Wissensdatenbank an ihre Grenzen?
Sie findet nur, was irgendwo dokumentiert ist. Wissen, das nie aufgeschrieben wurde, rekonstruiert sie nicht. Und auch mit Quellenbindung bleiben Fehler möglich: Eine Stanford-Untersuchung juristischer RAG-Werkzeuge fand 2024 Halluzinationsraten von 17 bis 33 Prozent, korrekt und vollständig beantwortet wurden nur 42 bis 65 Prozent der Anfragen (Magesh et al., Stanford RegLab). Das System ist deshalb ein Rechercheassistent, keine Freigabeinstanz: Sicherheitsrelevante Dokumentenklassen wie Betriebsanweisungen oder Gefahrstoffdaten zeigen wir als Originalstelle an, statt sie zusammenzufassen.
Dürfen wir persönliche Postfächer überhaupt indexieren?
Nicht pauschal, und wir tun es auch nicht. Der übliche Weg: Der ausscheidende Mitarbeiter markiert mit seiner Führungskraft den fachlichen Bestand, der in einen freigegebenen Wissensraum überführt wird. Privates bleibt außen vor. Betriebsrat und Datenschutz binden wir vor der Anbindung ein und liefern eine Beschreibung von Verarbeitung, Protokollierung und Ausschlüssen als Grundlage für eine Betriebsvereinbarung. Rechtlich bewerten muss sie Ihr Justiziar. Vorlauf realistisch 4 bis 8 Wochen.
Läuft die Lösung On-Premise und datenschutzkonform?
Ja. Der Betrieb ist komplett On-Premise oder air-gapped ohne Cloud-Anbindung möglich, alternativ in EU-Regionen. Ihre Betriebsdaten verlassen das Haus nicht, es wird kein Anbietermodell auf Ihren Daten trainiert, und bestehende Zugriffsrechte aus Entra ID werden im Index abgebildet. Praktisch bekommen Sie ein privates ChatGPT, datenschutzkonform im eigenen Unternehmen betrieben.
Nachricht senden
Kein passender Termin? Schreiben Sie uns, wir melden uns innerhalb von 24 Stunden.
Antwort innerhalb von 24 Stunden
Unverbindliches Erstgespräch
Persönlicher Ansprechpartner
Phillip Pham
CEO @ Pexon Consulting
Aktualisiert am 4. August 2026
Sie suchen einen Partner für Ihr Projekt?
Wir analysieren Ihren individuellen Bedarf, geben erste Empfehlungen zu Umsetzungsstrategien und bieten Ihnen transparente Einblicke in unsere Methoden, Technologien und Referenzen.
Vertrieb kontaktieren
400+Projekte seit 2020
100+Kunden im DACH-Raum
ISO27001 zertifiziert
3Hyperscaler Partner