Wissensmanagement mit KI bei Lufthansa

Einerseits, weil es verstreut über verschiedene Systeme und daher schwer auffindbar ist. Andererseits, weil es teilweise nur in den Köpfen einzelner Mitarbeitender existiert und mit jedem Weggang verloren geht.

Atlassian hat in der State of Teams-Studie herausgefunden, dass Knowledge-Worker 25 % ihrer Arbeitszeit allein für die Suche nach Informationen verwenden. 49 % der befragten deutschen Büroangestellten gaben zudem an, dass sie regelmäßig nicht weiterarbeiten können, weil sie auf Informationen oder Antworten aus anderen Teams warten müssen. In den meisten Unternehmen ist das Problem also nicht fehlendes Wissen, sondern die Tatsache, dass es schwer auffindbar ist.

Traditionell fungieren einzelne Mitarbeitende als Hauptansprechpartner für schwer auffindbare Informationen. Genau das macht sie aber zum Flaschenhals: ein Modell, das nicht skalierbar ist und stark von der Verfügbarkeit Einzelner abhängt.

„Unsere Archivarin ist dann immer der Flaschenhals, die wirklich alles findet. Aber sie muss gefragt werden und verfügbar sein."— Rolf Bewersdorf

Vor allem Teams, die regelmäßig auf historische und fachliche Informationen zugreifen müssen wie Marketing, Kommunikation, HR oder Compliance, werden durch mangelnden Zugriff ausgebremst.

„Das Problem in den meisten Organisationen ist überhaupt nicht das fehlende Wissen, sondern der fehlende Zugriff."— Sascha Böhr

Wie tief dieses Zugriffsproblem reichen kann, zeigt das Beispiel der Unternehmenskommunikation der Lufthansa Group: ein Team, das buchstäblich auf 100 Jahren Wissen sitzt und trotzdem nicht immer herankam.

Am 26.08. in unserem Webinar, hat Rolf Bewersdorf, Senior Manager Communications Infrastructure bei der Lufthansa Group gezeigt, wie sie das Problem gelöst haben. 

Das Lufthansa-Archiv als Datenbasis für KI

Das historische Archiv der Lufthansa-Unternehmenskommunikation liegt im Keller der Konzernzentrale in Frankfurt, umfasst 1.200 Aktenmeter und wurde bisher nur zum Teil digitalisiert. Die Dokumente reichen bis ins Jahr 1919 zurück und umfassen Gründungsdokumente, Geschäftsberichte, technische Dokumentation sowie Mitarbeiterzeitungen wie den Lufthanseaten, der von 1933 bis in die 1990er erschien.

Weil das Auffinden von Informationen im physischen Archiv zur Herausforderung wurde, begann das Team 2006 mit dem Aufbau eines AIS, eines Archivinformationssystems. Da es damals keine bezahlbare Lösung am Markt gab, wurde das gesamte Projekt in Eigenregie entwickelt. Priorisiert wurden alle Dokumente, die für die tägliche Arbeit relevant waren und einen hohen kommunikativen oder historischen Wert hatten.

Insgesamt wurden rund 5 % des Bestands, etwa 100.000 Dokumente, digitalisiert und durchsuchbar gemacht. Abgelegt wurde nach dem Provenienzprinzip, also nach dem Entstehungskontext der Dokumente, um eine eindeutige Zuordnung zu gewährleisten.

Damit die Dokumente dauerhaft nutzbar bleiben, wurde das Archiv nach dem OAIS-Standard (Open Archival Information System) aufgebaut, einem Rahmen für langfristige Archivierung. Die Dokumente selbst wurden im Format PDF/A gespeichert, das auf dauerhafte Lesbarkeit ausgelegt ist. Das Archiv war damit solide und zukunftssicher. Das eigentliche Problem blieb aber bestehen: der Zugang.

Das System stellte weiterhin hohe Anforderungen an die Mitarbeitenden. Um erfolgreich Antworten zu erhalten, mussten sie:

• das richtige Schlagwort kennen

• die Archivstruktur nachvollziehen

• den Kontext des Dokuments kennen

• gegebenenfalls boolesche Operatoren verwenden

„Man findet trotzdem die Dinge schlecht. Das dauert relativ lange, bis man wirklich ein Dokument gefunden hat."— Rolf Bewersdorf

Und wer die Antwort am Ende nicht fand, war wieder auf die Archivarin angewiesen. Mit der Einführung von KI hat sich das geändert.

Die technische Umsetzung: Wie das Lufthansa-Archiv an nuwacom angebunden wurde

Um Mitarbeitenden auch abstraktere Fragen und die Arbeit in natürlicher Sprache zu ermöglichen, entschied sich das Communications-Team, KI mit dem Archiv zu verbinden.

Was in der Theorie einfach klingt, erforderte in der Praxis eine Schnittstelle zwischen Archiv und nuwacom. Die 100.000 Dokumente wurden vektorisiert und damit für Nutzer in nuwacom auffindbar.

Das bestehende Archiv wird dabei nicht ersetzt, sondern bleibt die zentrale Quelle für archivierte Dokumente. Neue Dokumente werden innerhalb weniger Stunden mit nuwacom synchronisiert.

Bevor ein einziges Dokument in nuwacom landete, wurde der gesamte Bestand klassifiziert, in Public, Intern und Admin. So wurde Zugriffskontrolle von Anfang an mitgedacht.

• Public: öffentlich zugängliche bzw. freigegebene Inhalte

• Intern: interne Informationen

• Admin: Inhalte mit besonders sensiblen Daten oder für administrative Zwecke

Alles, was als vertraulich eingestuft war, wurde nicht in das KI-Wissensmanagement übernommen.

Hybride Suche und RAG: Vom Archiv zum passenden Kontextwissen

Für die meisten Anfragen ist es nicht praktikabel, alle 100.000 Dokumente zu durchsuchen. Das sprengt das Kontextfenster und ist wenig zielführend. Ein kleineres Dokumentenset erleichtert der KI die Verarbeitung und reduziert das Risiko, dass wichtige Informationen untergehen.

Stattdessen nutzt das Team die hybride Suche: eine Kombination aus klassischer Suche im strukturierten Wissensbestand und semantischer Suche. Die KI berücksichtigt also nicht nur exakt passende Begriffe, sondern auch den Zusammenhang einer Anfrage.

Als Beispiel stellte Rolf im Webinar eine Anfrage zum Thema „100 Jahre Lufthansa" an das Archiv:

• Die semantische Suche durchsucht den vorhandenen Dokumentenbestand

• Relevante Dokumente werden als Vorauswahl zusammengestellt

• Das Dokumentenset wird an den Chat übergeben bzw. in einem Projektordner gebündelt

• Dieser Ordner bildet das Kontextwissen für die weitere Arbeit der KI

• Die KI beantwortet dann Fragen und erstellt Inhalte auf Basis des kuratierten Kontexts

„Eine KI kann nicht gleich 100.000 Dokumente durchsuchen und dann wie Wikipedia exakt die richtige Antwort geben. Man muss sich dem gewünschten Ergebnis annähern."— Rolf Bewersdorf

Dieses Prinzip, Antworten aus vorhandenen Dokumenten statt allein aus Trainingsdaten zu ziehen, basiert auf RAG (Retrieval Augmented Generation). Die KI greift dabei gezielt auf passende Dokumente zu. Ergebnisse werden dadurch relevanter und in offiziellen Unternehmensinformationen verankert.

Richtig aufgesetzt, kann RAG das Risiko von Halluzinationen stark verringern.

Das Praxisbeispiel „100 Jahre Lufthansa": Was mit dem System möglich wurde

Vor kurzem feierte die Lufthansa Group ihr 100-jähriges Bestehen. Das Jubiläum wurde zum Praxistest für das neue KI-gestützte Wissensmanagement. Zahlreiche Veranstaltungen brauchten visuelle und kommunikative Begleitung, dazu bereitete das Team Ausstellungen, Presseevents und viele weitere Kommunikationsmaßnahmen vor. Sogar ein Buch entstand anlässlich des Jubiläums.

Laut Rolf Bewersdorf wäre all das in diesem Ausmaß ohne KI kaum möglich gewesen. Alle relevanten Dokumente wurden in einem Projekt gebündelt und bildeten die Basis für zahlreiche Assets. Zu den Tätigkeiten, bei denen KI unterstützte, gehörten:

• Erstellung von Informationspaketen

• Sammeln historischer Informationen für Kommunikationsmaßnahmen

• Vorbereitung von Ausstellungen

• Strukturieren von Publikationen

• Überarbeitung von Reden

• Faktenprüfung

„Wir hätten diese Jubiläumsfeiern gar nicht so machen können. Das hat uns enorm unterstützt."— Rolf Bewersdorf

Während die KI die Suche nach Informationen beschleunigte, förderte sie auch neue, unerwartete Stories zutage, etwa den Zusammenhang zwischen John Lennon und der Lufthansa. Der Musiker verfasste die Lyrics zu Strawberry Fields auf einem Lufthansa-Briefpapier, das heute in einem Londoner Museum liegt. Ein Schatz für die Kommunikation, der ohne KI im Archiv schwer zu finden gewesen wäre. 

Auch beim Verfassen neuer Artikel profitieren Redakteure von Vorschlägen, Übersichten und Struktur. Der eigentliche Hebel war aber die gemeinsame Arbeit: Die zum Jubiläum zusammengestellten Dokumente wurden in einem Projektordner gebündelt und mit dem Team geteilt. Dort konnten alle weitere Dokumente hochladen und ihre Fragen direkt gegen diesen Bestand stellen, statt jeweils allein zu recherchieren.

Governance und Datenschutz: Was vor dem Einsatz geklärt werden musste

Die Lufthansa Group beschäftigte sich bereits 2023 mit dem Thema KI. Vor dem produktiven Einsatz waren jedoch einige Hürden zu klären: Datensicherheit, Datenschutz, Urheberrecht, Transparenz und mehr. Das Team durchlief mehr als 30 Gremien, teils solche, die gerade erst neu entstanden waren, etwa das Gremium der KI-Experten.

Am Ende fand das Team in nuwacom eine Lösung, die allen Anforderungen entsprach, darunter die Sicherheitsanforderungen an:

• eine geschützte Umgebung

• EU-Hosting

• keine Nutzung von Unternehmensdaten zu Trainingszwecken

Zusätzlich wurden Governance-Strukturen geschaffen, die dafür sorgen, dass die KI-Nutzung rechtlich abgesichert ist und den Anforderungen des EU AI Acts gerecht wird.

KI unterstützt, aber die fachliche Prüfung obliegt weiterhin den fachkundigen Kolleg:innen. Besonders bei historisch, rechtlich oder anderweitig verbindlichen Aussagen darf die KI nie als alleinige Instanz fungieren.

Technologie allein reicht nicht

Die Einführung von KI löste bei den Mitarbeitenden zunächst gemischte Reaktionen aus. Manche waren gespannt und erwarteten, jetzt alles auf Knopfdruck erledigen zu können. Andere empfanden die neue Technologie eher als beunruhigend.

Ein typisches Adoptionsproblem in vielen Unternehmen: Mitarbeitende reagieren unterschiedlich auf neue Technologie. Einige affine Nutzer fangen sofort an zu experimentieren, während andere sie zunächst ignorieren.

„Wir haben festgestellt, dass wir uns dem Thema durch Schulungen und durch Praxiserfahrung ganz stark annähern mussten."— Rolf Bewersdorf

Über Workshops stellte Lufthansa sicher, dass alle Mitarbeitenden lernen konnten, wie sich KI sinnvoll einsetzen lässt und den Arbeitsalltag erleichtert. Besonders gut angenommen wurde der Promptathon, ein Workshop, in dem mithilfe von KI der Börsengang eines fiktiven Unternehmens vorbereitet wurde. Durch das anwendungsorientierte Lernen hatten die Mitarbeitenden schnell Erfolgserlebnisse und lernten Prompts und Arbeitsweisen, die sie auf ihren eigenen Alltag übertragen konnten.

Die KI bekam auch einen Namen und ist inzwischen als LuCi bekannt, zusammengesetzt aus Lufthansa und dem Kürzel für die Unternehmenskommunikation und zugleich eine Anspielung auf  den Film von Luc Besson, in dem Lucy (Scarlett Johansson) zu einer nahezu allwissenden, superintelligenten Instanz wird. 

LuCi ist mittlerweile ein gängiges Tool: 75 % der Mitarbeitenden der Konzernkommunikation öffnen es im Durchschnitt dreimal täglich. Ein weiteres, qualitatives Zeichen wachsender Akzeptanz sind die Use Cases, die von den Teams selbst an Rolfs Team herangetragen werden. In sogenannten LuCi Hacks werden Mitarbeitende aufgefordert, eigene Anwendungsfälle zu entwickeln und diese gemeinsam auszuarbeiten. Auch daran zeigt sich, dass LuCi zunehmend im Alltag ankommt.

Was kommt als Nächstes?

Zugriff auf Wissen ist der erste Schritt. Der nächste ist, dieses Wissen direkt an Erstellung, Abstimmung und Veröffentlichung anzubinden.

Genau hier setzt der nächste Schritt der Unternehmenskommunikation der Lufthansa Group an: Sie will künftig auch die Kommunikationsplanung innerhalb von nuwacom organisieren. Dafür soll das bestehende Planungsboard in Trello mit der nuwacom-Umgebung verbunden werden, damit sich aus recherchierten Informationen unmittelbar konkrete Planung ableiten lässt.

Möglich wird das über den nativen Trello-Konnektor: Karten lassen sich direkt aus nuwacom durchsuchen, verwalten und aus dem Chat heraus als Aufgaben anlegen. Beide Richtungen sind denkbar, von der Auswertung eines Boards für den Vorstand bis zum Zurückspielen fertiger Kommunikationsmaßnahmen in die Planung, damit Kolleg:innen direkt weiterarbeiten können.

Denkbar ist auch eine App, die das Kanban-Prinzip aufgreift: Sie bündelt Trello-Aufgaben mit in nuwacom erstellten Aufgaben und ergänzt einen KI-Assistenten für die Planung. So bleibt Wissen nicht in einem isolierten Archiv, sondern fließt in den laufenden Arbeitsprozess.

LLM Wikis: der Schritt vom Archiv zum vernetzten Wissen

Ein weiteres Trendthema, das Lufthansa und nuwacom im Blick haben, sind sogenannte LLM Wikis, ein Architekturmuster, das der KI-Experte Andrej Karpathy geprägt hat.

Die Idee: Statt Dokumente erst bei einer Anfrage zu durchsuchen (wie bei RAG), wandelt ein LLM den Bestand vorab in eine strukturierte Wissensdatenbank um. Aus den einzelnen Dokumenten entstehen automatisch Zusammenfassungen zu Themen und Artikeln, die im Markdown-Format abgelegt und untereinander verlinkt werden. So wird das Wissen nicht nur bei der Suche, sondern bereits bei der Datenaufnahme synthetisiert.

Am Lufthansa-Archiv lässt sich das gut veranschaulichen: Ein Geschäftsbericht kann mit einem Jubiläum, einer Person oder einer bestimmten Kommunikationsmaßnahme verknüpft werden. Es entsteht eine Art Wissensgraph, in dem die KI nicht mehr nur einzelne Dokumente findet, sondern auch historische und thematische Zusammenhänge herstellt. Weil hinter den Artikeln maschinenlesbares Markdown liegt, verbessert sich zusätzlich die Antwortqualität.

„Erste Tests zeigen, dass die Qualität der Antwortergebnisse dadurch noch einmal massiv steigt."— Sascha Böhr

Ein LLM Wiki funktioniert damit wie ein klassisches Wiki, mit dem Unterschied, dass es von KI generiert und gepflegt wird. In Kombination mit dem klassischen Wissensmanagement entsteht so etwas, das wir bei nuwacom Unternehmensgedächtnis nennen. 

Lektionen aus dem Beispiel der Lufthansa

Das Praxisbeispiel der Lufthansa Group zeigt vor allem eines: Erfolgreiches Wissensmanagement ist mehr als die Wahl der richtigen Technologie. Es beginnt nicht mit dem neuesten Modell, sondern mit einer soliden Datenbasis und einem klar begrenzten Use Case, der schrittweise ausgeweitet wird.

Genauso entscheidend sind die Menschen. Damit KI wirklich im Arbeitsalltag ankommt, müssen Mitarbeitende praktisch geschult und befähigt werden, zu experimentieren, ohne sofortigen Produktivitätsdruck.

Jedes Unternehmen ist anders aufgebaut, und entsprechend unterschiedlich sieht die konkrete Architektur aus. Die Grundprinzipien des Ansatzes sind aber übertragbar:

• Strukturieren: eine verlässliche, gepflegte Datenbasis schaffen

• Begrenzen: mit einem kuratierten, klar abgegrenzten Kontext arbeiten statt mit dem gesamten Bestand

• Prüfen: Quellen nachvollziehbar machen und die fachliche Freigabe beim Menschen belassen

• Befähigen: Mitarbeitende praktisch an die Technologie heranführen

• Schrittweise skalieren: erst messen und lernen, dann ausweiten

Wo liegt in deinem Unternehmen Wissen, das grundsätzlich vorhanden ist, aber im Arbeitsalltag trotzdem nicht schnell genug zugänglich wird?

Die Aufzeichnung vom Webinar findest Du hier. 

Fragen aus dem Webinar

Wurden wirklich alle Dokumente aus dem Lufthansa-Archiv in die nuwacom-Wissensbasis übernommen?

Nein. Die Dokumente wurden klassifiziert und rund 70 % synchronisiert. Ausgeschlossen wurden alle sensiblen Informationen, beispielsweise Unfallunterlagen. Alle neuen, geeigneten Dokumente werden automatisch in die Wissensbasis eingepflegt.

Wie stellen Sie sicher, dass die KI nicht nur schnell plausible Antworten liefert, sondern in sicherheits-, compliance- oder geschäftskritischen Fällen stets aktuelle, autorisierte und nachvollziehbar belegte Informationen verwendet, und wer trägt die Verantwortung, wenn eine Antwort falsch oder missverständlich ist?

Alle genutzten Quellen sind in den Antworten ausgewiesen und direkt einsehbar. Die finale Prüfung und Freigabe muss stets beim Menschen liegen. KI erleichtert die Vorbereitung, kann aber nicht die finale Verantwortung tragen.

Wie adressieren Sie das für Betrieb, Sicherheit und Kundenorientierung besonders relevante implizite Erfahrungswissen, das nicht in Dokumenten steht? Welche konkreten Formate und Anreize nutzen Sie, damit Mitarbeitende dieses Wissen freiwillig externalisieren, gemeinsam reflektieren und anschließend für andere nutzbar machen, statt lediglich vorhandene Dokumente mit KI durchsuchbar zu machen?

nuwacom lernt das Unternehmen durch die tägliche Arbeit der Mitarbeitenden mit dem System besser kennen. Die Kontext-Engine nutzt unterschiedliche Verfahren, unter anderem Memory, RAG, Vektorsuche und Meeting-Notes, um den Kontext laufend weiterzuentwickeln. Darüber hinaus hat es sich bewährt, die Wissensträger eng in die Entwicklung von Werkzeugen wie Skills und Agenten einzubinden, denn in deren Anweisungen wird oft genau dieses implizite Wissen kodiert. Unsere Kunden lösen dies häufig, indem Abteilungen KI-Champions benennen, die für den Aufbau dieser Werkzeuge verantwortlich sind und dann eng mit ihren Kolleg:innen zusammenarbeiten.

Wie viel fachlicher Kontext war notwendig, um die Dokumente für KI nutzbar zu machen?

Die vorhandene Archivstruktur mit Metadaten, Provenienz und Dokumentklassifikationen bildete die fachliche Grundlage. nuwacom übernahm die technische Vektorisierung und machte die freigegebenen Inhalte per semantischer Suche zugänglich.

Auf wessen Servern werden die Daten gespeichert?

Die Daten werden wie vom Kunden konfiguriert in Europa bzw. Deutschland gehostet, unter anderem in der Azure Cloud.

Werden Daten an die Betreiber der KI-Modelle weitergegeben?

Die Modelle werden von nuwacom gehostet, und Daten werden niemals zu Trainingszwecken verwendet.

Wie wird verhindert, dass die KI vertrauliche Informationen ausgibt?

Durch die anfängliche Klassifizierung der Dokumente werden vertrauliche Informationen von Anfang an von dem ausgeschlossen, worauf die KI Zugriff hat. Zusätzlich sorgen Zugriffsrechte dafür, dass Mitarbeitende nur sehen, wofür sie berechtigt sind.

Kann jede Antwort bis auf das konkrete Quelldokument zurückverfolgt werden?

Bei jeder Antwort gibt die KI ihre Quellen an, was es ermöglicht, sie bis auf das konkrete Quelldokument zurückzuverfolgen.

Wie behandelt die KI widersprüchliche Versionen desselben Sachverhalts?

Die KI sollte auf widersprüchliche Quellen hinweisen und die zugrunde liegenden Dokumente nennen, statt eigenständig eine Version als korrekt festzulegen. Die fachliche Prüfung und Entscheidung bleiben bei den zuständigen Mitarbeitenden.