Mit steigender Komplexität und Menge an Themen innerhalb eines Unternehmens, steigt auch das Wissen in den Köpfen und den Datenablagen der Mitarbeiter exponentiell an. Ob in der Produktentwicklung, dem Marketing, dem Vertrieb, dem Service, der Personalverwaltung, dem Bereich Finanzen oder vielen anderen Segmenten - Wissen wird immer wichtiger für das Überleben und den Erfolg eines Unternehmens. In Zeiten des Fachkräftemangels und der immer weniger redundanten Besetzung von Stellen mit Wissensträgern, wird ein Ausfall oder Wegfall eines Wissensträgers sehr schnell kostspielig und zeitaufwendig.
Das Unternehmen aus der Zulieferindustrie der Automobilbranche hat über Jahrzehnte Wissen und Produkt Knowhow aufgebaut und in Dokumenten, Datenbanken, Wikis abgelegt. Durch den demographischen Wandel und einer kontinuierlichen Ausdünnung der Belegschaft sind die Kosten für das aktive Wissensmanagement und die Produktentwicklung merklich angestiegen, da relevante Wissensträger nicht bekannt oder nicht mehr ansprechbar sprich im Unternehmen sind. Um Doppelentwicklungen und unnötige Kosten zur Wiedernutzung von vorhandenem Wissen zu vermeiden, ist das bestehende Wissen nebst seinen Mitarbeitern leichter identifizierbar und nutzbar zu machen.
Basierend auf dem bloofactory Prozess wurde innerhalb weniger Wochen ein Prototyp für ein OpenAI KI-gestütztes Enterprise Wissensmanagement implementiert. OneDrive Datenablagen, SharePoint Sites, Jira-Ticketsysteme, Confluence Wikis und andere Systeme wurden integriert und die vorhandenen Daten nicht nur durchsuchbar, sondern für eine KI verständlich gemacht.
Mitarbeiter können durch die KI-Integration nicht einfach nur nach Stichworten suchen, sondern allgemeine Aussagen und Fragen stellen, um Wissen in Form von Daten, Teams und Personen aktiv sichtbar zu machen.
Die Suche nach Informationen konnte hierbei nach ersten Erkenntnissen um den Faktor 50-100 beschleunigt bzw. teilweise überhaupt erst möglich gemacht werden.
Während einer 6-monatigen Testlaufzeit wurde ein ausgeklügeltes System entwickelt und ein Benutzer kann mit einem Klick relevantes Wissen und damit in Beziehung stehende Teams und Personen finden. Der Prozess dauerte zuvor eher Wochen oder es wurde Wissen explizit teuer extern zugekauft.
Innerhalb des Testzeitraums des Prototypen konnten bereits in einer Produktentwicklung 4 Monate Arbeitsleistung eingespart werden. In anderen Bereichen, wie den IT-Betrieb ließ sich der operative Betrieb bereits an einigen Stellen um 16-19% effektiver gestalten.
In der aktuellen Produktentwicklung wird der Einsatz einer KI kalkulatorisch bereits 5-6 Monate Time to Market einsparen und Produkte lassen sich damit deutlich schneller auf den Markt bringen.
Mit dem KI-basierten Ansatz werten Mitarbeiter schon jetzt vorhandenes Wissen aus und bereits laufende Projekte und Entwicklungen werden leichter identifiziert und die involvierten Personen sichtbar.
Innerhalb des Unternehmens werden damit Doppelentwicklungen vermieden und Synergien frühzeitig identifiziert und genutzt. Das System wird weiter verfeinert und neben dem Know How die dahinter stehenden Mitarbeiter mehr in den Fokus gebracht. Die Vernetzung der Mitarbeiter wird damit dauerhaft gefördert und die Organisation immer wendiger und schlagkräftiger.