Vor 40 Jahren war der Engpass Wissensakquise. Wer etwas lernen wollte, brauchte Bücher, Bibliotheken oder die richtigen Leute.
Vor 20 Jahren wurde Wissensselektion zum Engpass. Das Internet lieferte mehr Informationen, als ein Mensch verarbeiten kann. Die Aufgabe verschob sich: Relevantes von Irrelevantem trennen.
Heute zeichnet sich ein neuer Engpass ab. Wissensfragmentierung.
Wie ich auf diesen Engpass gestoßen bin
Ich bin nicht über die Theorie darauf gekommen, sondern über die eigene Arbeit. In den letzten zwei Jahren habe ich vieles parallel aufgebaut: meine Positionierung als Interim Manager, die Arbeit nach der Engpasskonzentrierten Strategie, eine neue Website, einen Blog, mein Profil und Netzwerk bei der DDIM, Sichtbarkeit auf LinkedIn. Dazu einen eigenen KI-Stack mit ChatGPT, Claude und weiteren Werkzeugen. Parallel liefen Projekte, Kontakte, Notizen und Gespräche.
Irgendwann fiel mir auf, dass mein Wissen zwar vorhanden war, aber über viele Systeme verteilt lag. Ein Teil in ChatGPT, ein anderer in Claude, der Rest in Dokumenten, E-Mails, auf Webseiten, in GitHub und in lokalen Dateien. Ich erklärte dieselben Dinge immer wieder neu, weil nichts an einem Ort zusammenlief und nichts miteinander verknüpft war.
Wer nach der Engpasskonzentrierten Strategie denkt, sucht zuerst den einen Engpass. Meiner war an dieser Stelle eindeutig:
Mein Engpass ist nicht fehlendes Wissen. Mein Engpass ist Wissensfragmentierung.
Ausgerechnet die KI-Entwicklung hat mir das vor Augen geführt.
Warum erhöht KI den Wert von strukturiertem Wissen?
Viele Menschen glauben: KI macht Wissen wertlos. Meine Beobachtung ist das Gegenteil:
KI erhöht den Wert von strukturiertem Wissen.
Ein großes Sprachmodell kann erstaunlich viel. Es erkennt Zusammenhänge, schreibt, programmiert, analysiert. Aber es arbeitet nur mit dem Wissen, das ihm zugänglich ist. ChatGPT kennt einen Teil meines Kontexts. Claude kennt einen anderen. Andere Werkzeuge haben eigene Stärken, aber kein Wissen über mich oder meine Projekte.
Dazu kommen technische Grenzen: begrenzte Kontextfenster, Verdichtung, das Verblassen von Wissen über lange Verläufe. Informationen werden zusammengefasst und priorisiert. Das ist notwendig, kostet aber Details. Und gerade die Details entscheiden oft.
Wettbewerbsvorteile entstehen selten aus Allgemeinwissen. Sie entstehen aus dem Besonderen: aus Erfahrungen, aus Zusammenhängen, aus Wissen, das nur in einem bestimmten Unternehmen, Projekt oder Lebenslauf existiert. Je besser KI wird, desto wichtiger wird deshalb die Frage, wie dieses Wissen organisiert ist. Die Aufgabe ist nicht mehr, Informationen zu erzeugen. Die Aufgabe ist, sie auffindbar, verknüpfbar und nutzbar zu halten.
Deshalb beschäftigen sich immer mehr Wissensarbeiter mit dem Konzept eines Second Brain. Es geht nicht um ein bestimmtes Werkzeug. Obsidian ist gerade eines der bekannteren, andere verfolgen ähnliche Ansätze. Entscheidend ist das Prinzip: Wissen wird an einem Ort gesammelt, verknüpft, strukturiert und langfristig verfügbar gehalten. Nicht nur für Menschen, sondern zunehmend auch für KI-Systeme.
Früher war Wissen Macht. Heute ist strukturiertes Wissen Macht. Und morgen wird vernetztes Wissen der Multiplikator sein, der darüber entscheidet, wie wirksam Menschen und Unternehmen KI tatsächlich einsetzen.
Für Unternehmen wird das noch wichtiger
In meiner Arbeit als Interim Manager erlebe ich immer wieder dasselbe Muster: Unternehmen vermuten ein Technologieproblem, obwohl der eigentliche Engpass in der Struktur von Informationen, Verantwortlichkeiten und Schnittstellen liegt. Wissen ist vorhanden, aber es ist verteilt, widersprüchlich und nicht verbunden. Genau das blockiert die operative Handlungsfähigkeit, lange bevor ein Werkzeug daran etwas ändert.
In vielen Organisationen liegt Wissen über Postfächer, Netzlaufwerke, SharePoint, ERP, CRM, Präsentationen und die privaten Notizen einzelner Mitarbeiter verstreut. Die Informationen existieren. Auffindbar, konsistent und verknüpft sind sie selten.
Wer KI auf eine fragmentierte Wissensbasis setzt, automatisiert die Unordnung.
Wer vorher ordnet, macht KI erst wirksam.
Aus einem unklaren Datenstand wird sonst ein schnell skalierender unklarer Datenstand. Wer sein Wissen zuerst ordnet, bekommt dagegen einen konkreten Nutzen:
- Neue Mitarbeiter werden schneller produktiv, weil Wissen nicht in einzelnen Köpfen steckt.
- Wenn jemand kündigt oder in Rente geht, bleibt sein Wissen im Haus. Im Mittelstand, wo viele erfahrene Fachkräfte in den nächsten Jahren ausscheiden, ist das kein Nebenthema.
- Kunden bekommen konsistente Aussagen, weil es eine gemeinsame Quelle gibt statt fünf Versionen.
- Entscheidungen werden schneller, weil Informationen auffindbar und verknüpft sind statt erst zusammengesucht.
- KI-Projekte liefern überhaupt erst belastbare Ergebnisse, weil sie auf geordnetem Wissen aufsetzen.
Deshalb lautet die erste Frage vor jeder KI-Initiative nicht: Welches Modell setzen wir ein. Sondern: Wie gut ist unser Wissen überhaupt organisiert.
Struktur vor Tool. Wissen vor Automatisierung. Defragmentierung vor KI.
Das Gute daran: Wissen zu ordnen ist vergleichsweise günstig und braucht keine große Plattform. Es braucht eine Entscheidung und einen Anfang.
Ich habe diese Entscheidung für mich getroffen und baue mein eigenes Second Brain auf. Nicht, weil mir Wissen fehlt, sondern weil ich verhindern will, dass Wissen verloren geht.
Je weiter sich KI entwickelt, desto sicherer bin ich: Der Engpass der Zukunft ist nicht Information. Der Engpass der Zukunft ist die Fähigkeit, Wissen zu strukturieren, zu verknüpfen und nutzbar zu halten.