Kernaussage gleich vorweg: Nicht alle Daten sind gleich nützlich für Ihre KI-Wissensbasis. Schlechte Quellen vergiften Modelle schneller, als neue Daten sie heilen können. Haben Sie das geprüft?
Warum Quellenpflege keine lästige IT-Aufgabe ist
Kennen Sie das Gefühl, dass die Wissensbasis immer grösser, aber nicht besser wird? In meiner Beratung sehe ich oft: Teams füttern die KI mit allem, was verfügbar ist – alte Präsentationen, E‑Mails, PDFs. Das Ergebnis? Inkonsistente Antworten, widersprüchliche Fakten und verlorenes Vertrauen im Team. Quellenpflege ist kein Nice-to-have. Sie entscheidet, ob Ihre KI verlässlich bleibt oder zur Fehlerquelle wird.
Was wirklich rein darf – und warum
Welche Quellen bringen echten Mehrwert? Relevante, geprüfte und aktuelle Inhalte: Offizielle Richtlinien und Handbücher Ihres Unternehmens. Sie definieren die «Single Source of Truth». Produktdokumentation, die gepflegt wird und Versionierung hat. FAQ und Lösungsdokumente aus dem Support, wenn sie nachgewiesen funktionieren. Externe Normen, Gesetze und technische Standards mit Datum und Version. Warum? Diese Quellen sind stabil, nachvollziehbar und lassen sich verantworten, wenn die KI eine Empfehlung gibt.
Was draussen bleiben sollte – konkret und spürbar
Was killt mehr Projekte als man denkt? Drei typische Fehler, die ich immer wieder sehe: Alles-Archiv importieren: Alte Projektmails, veraltete Angebote und informelle Chatprotokolle werden 1:1 in die Wissensbasis übernommen. Folge: Widersprüchliche Aussagen und veraltete Prozesse. Keine Quellenmetadaten: Dokumente ohne Autor, Datum oder Version werden gleich behandelt – das macht es unmöglich, Relevanz und Aktualität zu bewerten. Blindes Web-Scraping: Inhalte aus unsicheren Foren oder nicht verifizierten Blogs landen in der Datenbank. Folge: Falsche technische Hinweise und unsichere Empfehlungen. Erkennen Sie das aus Ihrem Arbeitsalltag? Solche Fehler bringen Vertrauen zum Bröckeln – schneller als Sie denken.
Wie Sie Quellen praktisch bewerten
Woran erkennen Sie gute Quellen? Fragen Sie sich bei jedem Dokument: Wer ist der Autor und ist er verantwortlich? Wann wurde es zuletzt aktualisiert? Gibt es eine Versionierung oder Freigabe? Ist der Inhalt relevant für Geschäftsprozesse oder nur historisch? In meiner Praxis zahlt es sich aus, eine einfache Scorecard zu nutzen: Autorität, Aktualität, Relevanz, Struktur. Dokumente, die bei zwei Kriterien durchfallen, bleiben draussen oder werden gekennzeichnet.
Technik und Governance: kurz und pragmatisch
Braucht es ein grosses Governance-Programm? Nicht zwingend. Kleine, klare Regeln helfen: Ein importiertes Dokument muss Metadaten haben (Autor, Datum, Version). Ein Review-Prozess für neue Quellen (z. B. 1‑Punkt-Prüfung durch Fachverantwortliche). Eine Sperrzone für unsichere externe Inhalte (Quellen, die nicht verifiziert sind). Was ich oft empfehle: Lieber wenig hochwertige Quellen sauber pflegen als viel Unsicherheit importieren. Das erhöht die Genauigkeit und das Vertrauen im Team.
Wie Sie Quellen pflegen, ohne zu verzetteln
Pflege muss nicht täglich sein. Setzen Sie auf Periodizität und Prioritäten: Kritische Dokumente (Policies, Produkt-Doku) monatlich prüfen. Sekundäre Quellen (Projektarchive) quartalsweise sichten. Externe Quellen nur mit Quellenstrategie einbeziehen. Und: Kennzeichnen statt löschen. Manchmal bleibt ein Dokument im Archiv, aber mit einem «veraltet»-Tag, damit die KI daraus keine primären Antworten generiert.
Konkrete 14–30-Tage-Handlungsanleitung (nummeriert) Tag 1–3: Bestandsaufnahme – Listen Sie alle Quellen auf, die aktuell in die Wissensbasis fliessen (Interne Docs, E‑Mails, Foren, externe Standards). Tag 4–7: Quick-Scoring – Bewerten Sie jede Quelle mit einer einfachen Scorecard: Autorität, Aktualität, Relevanz, Struktur. Markieren Sie «verboten», «pragmatisch» oder «top». Tag 8–12: Sofortmassnahmen – Entfernen oder sperren Sie alle «verboten» gekennzeichneten Quellen aus der KI-Pipeline. Fügen Sie Metadaten zu den «top»-Quellen hinzu (Autor, Datum, Version). Tag 13–18: Verantwortlichkeiten festlegen – Bestimmen Sie pro Dokumenttyp eine Fachverantwortliche Person für Reviews und Freigaben (z. B. Produktmanager für Product Docs). Tag 19–22: Governance-Regeln einführen – Schreiben Sie drei verbindliche Regeln: Metadatenpflicht, Review-Intervall, Sperrzone für unverified externe Inhalte. Tag 23–26: Testlauf – Lassen Sie die KI gezielt Fragen zu kritischen Themen beantworten. Prüfen Sie Antworten gegen die «top»-Quellen. Notieren Sie Inkonsistenzen. Tag 27–30: Anpassung und Rollout – Passen Sie Listen und Regeln an, schulen Sie das Team kurz (15–30 Minuten) und planen Sie den nächsten Review-Zyklus (z. B. monatlich).
Möchten Sie, dass ich Ihnen eine einfache Scorecard-Vorlage oder ein Muster für die drei Governance-Regeln erstelle? Das kann den Einstieg stark vereinfachen.
