Das Problem: Wissen hat ein Verfallsdatum
Du hast eine Wissensdatenbank aufgebaut. Vielleicht mit einem Wiki, vielleicht mit einem RAG-System, vielleicht mit beidem. Am Anfang ist alles aktuell. Alles stimmt. Jeder Eintrag spiegelt den Stand der Dinge wider.
Und dann passiert das, was immer passiert: Die Welt dreht sich weiter. Prozesse ändern sich. Gesetze werden aktualisiert. Ein Lieferant ändert seine Konditionen. Die IT stellt auf ein neues Ticketsystem um. Ein Mitarbeiter entdeckt einen besseren Weg, etwas zu tun. Und das Wissen in deiner Datenbank? Das bleibt stehen. Es weiß nicht, dass es veraltet ist.
Das ist das eigentlich gefährliche Problem. Falsches Wissen sieht genauso aus wie richtiges Wissen. Wenn ein neuer Mitarbeiter den Reklamationsprozess nachschlägt und eine Anleitung von vor zwei Jahren findet, in der noch das alte CRM-System beschrieben wird, merkt er das nicht. Er folgt der Anleitung, macht es falsch, und versteht nicht warum. Oder schlimmer: Ein Vertriebler zitiert in einem Kundengespräch Konditionen, die seit sechs Monaten nicht mehr gelten.
McKinsey hat mal ausgerechnet, dass Unternehmen jährlich 5,3 Millionen Dollar pro 1.000 Mitarbeiter durch veraltetes oder schlecht zugängliches Wissen verlieren. Und je größer die Organisation, desto schneller veralten die Informationen, weil sich einfach mehr ändert.
Die meisten Wissenssysteme haben dafür keine Lösung. Du kannst Wissen reinstecken, aber niemand prüft systematisch, ob es noch stimmt. Das bleibt an einzelnen Personen hängen, die sich irgendwann erinnern, dass da mal was war. Oder auch nicht.
Die Lösung: Ein Mindesthaltbarkeitsdatum für jeden Wissenseintrag
Ich habe für ein Wissensmanagement-Projekt ein Modul gebaut, das genau dieses Problem löst. Die Grundidee ist simpel: Jeder Wissenseintrag bekommt ein Mindesthaltbarkeitsdatum. Wie bei Lebensmitteln im Kühlschrank. Irgendwann muss man nachschauen, ob es noch gut ist.
Das Datum ist nicht willkürlich. Es hängt von der Art des Wissens ab. Allgemeine Unternehmenswerte oder die Firmengeschichte? Die halten Jahre. Eine Anleitung für ein bestimmtes Software-Tool? Die ist vielleicht nach sechs Monaten überholt. Gesetzliche Regelungen wie DSGVO-Vorgaben? Da schaut man besser alle drei Monate nach. Technische Dokumentationen zu APIs oder Frameworks? Die können schon nach wenigen Wochen veraltet sein.
Im Hintergrund läuft ein Job, der regelmäßig prüft: Welche Einträge haben ihr Haltbarkeitsdatum erreicht? Diese Einträge werden dann einem KI-Agent übergeben, der sie auf Aktualität prüft. Der Agent recherchiert, vergleicht mit neueren Quellen und entscheidet: Ist das noch aktuell oder nicht? Und wenn nicht, erklärt er auch warum.
Das Entscheidende dabei: Nichts wird überschrieben. Niemals. Wenn der Agent feststellt, dass eine Information veraltet ist, wird der alte Eintrag auf „archiviert" gesetzt und ein neuer Eintrag mit den aktuellen Informationen angelegt. Das alte Wissen bleibt erhalten. Du kannst jederzeit nachschauen, was vor sechs Monaten der gültige Stand war. Das ist wie eine Versionierung für Unternehmenswissen.
Und es gibt zwei Modi. Im manuellen Modus bekommt ein Verantwortlicher eine Benachrichtigung: „Dieser Eintrag ist möglicherweise veraltet. Hier ist die Begründung des Agents. Bitte prüfen." Im automatischen Modus erledigt der Agent das selbst. Er recherchiert die aktuellen Informationen, erstellt den neuen Eintrag und archiviert den alten. Welchen Modus du nutzt, stellst du pro Kategorie in den Settings ein.
Wie das im Arbeitsalltag funktioniert
Stell dir vor, du bist Geschäftsführer eines mittelständischen Unternehmens mit 200 Leuten. In deiner Wissensdatenbank liegen 3.000 Einträge. Prozessbeschreibungen, Schulungsunterlagen, technische Dokumentationen, Compliance-Vorgaben.
Montags morgens kommt der Aktualitäts-Report. Der Agent hat am Wochenende 47 Einträge geprüft, die ihr Haltbarkeitsdatum erreicht haben. 38 sind noch aktuell, die bleiben wie sie sind, nur das Haltbarkeitsdatum wird erneuert. 6 Einträge hat der Agent als „möglicherweise veraltet" markiert und zur manuellen Prüfung vorgelegt. Und 3 Einträge hat er automatisch aktualisiert, weil es offensichtliche Änderungen gab. Zum Beispiel eine neue Fassung einer EU-Richtlinie, die online verfügbar ist.
Die 6 Einträge zur manuellen Prüfung sind internes Wissen. Der Agent sagt zum Beispiel: „Der Onboarding-Prozess für neue Mitarbeiter beschreibt noch das alte HR-Tool. Seit dem letzten Quartal wird ein neues System genutzt. Bitte prüfen und aktualisieren." Er kann das nicht selbst machen, weil die internen Änderungen nirgendwo online dokumentiert sind. Aber er merkt, dass etwas nicht mehr stimmt, weil er Querverweise zu anderen Einträgen findet, die das neue System erwähnen.
Dein HR-Team aktualisiert den Eintrag. Der alte Prozess wird archiviert, der neue geht live. Wenn nächste Woche jemand fragt: „Wie läuft das Onboarding?", bekommt er garantiert die aktuelle Version. Und wenn die Revision fragt: „Wie lief das Onboarding im Q3 2025?", findet sie auch das. Alles dokumentiert, nichts verloren.
Oder ein anderes Szenario: Dein Compliance-Team hat 120 Einträge zu regulatorischen Vorgaben. DSGVO, Arbeitsschutz, Branchenstandards. Die bekommen alle ein Haltbarkeitsdatum von 90 Tagen. Alle drei Monate prüft der Agent automatisch, ob es Änderungen in den relevanten Gesetzen oder Verordnungen gibt. Wenn ja, wird der alte Stand archiviert und der neue Stand eingepflegt. Dein Compliance-Beauftragter bekommt einen Bericht, was sich geändert hat. Nicht er muss aktiv suchen, das System kommt zu ihm.
Was sich damit verändert
Der offensichtlichste Effekt: Du kannst dich auf dein Wissen verlassen. Wenn jemand eine Antwort aus der Wissensdatenbank bekommt, weißt du, dass sie geprüft ist. Nicht „irgendwann mal" geprüft, sondern innerhalb der festgelegten Haltbarkeitsfrist.
Für regulierte Branchen ist das ein enormer Vorteil. Banken, Versicherungen, Pharma-Unternehmen müssen nachweisen können, was zum Zeitpunkt einer Entscheidung der gültige Wissensstand war. Mit der Versionierung ist das trivial. Jeder Eintrag hat eine lückenlose Historie: Wann wurde er erstellt, wann geprüft, wann aktualisiert, wann archiviert. Das ist Audit-Trail direkt eingebaut.
Aber auch für nicht-regulierte Unternehmen ist der Effekt spürbar. Teams vertrauen der Wissensdatenbank mehr, weil sie wissen, dass aktiv geprüft wird. Es ist der Unterschied zwischen einem Wiki, in dem Artikel seit 2023 nicht angefasst wurden, und einem System, das dir sagt: „Stand geprüft am 15. März 2026." Das ändert die Nutzung komplett. Leute schlagen nach statt zu fragen. Und das skaliert.
Der vielleicht strategisch wichtigste Punkt: Wissen wird durch Aktualisierung reicher, nicht ärmer. Weil nichts gelöscht wird, entsteht über die Zeit ein Wissensgraph mit Historie. Du siehst nicht nur den aktuellen Stand, sondern auch wie sich das Wissen entwickelt hat. Welche Prozesse sich am häufigsten ändern. Wo die Organisation lernt. Wo sie stehen bleibt. Das sind strategische Informationen, die kein anderes System liefert.
Wie funktioniert das technisch?
Jetzt wird es etwas technischer. Wer nur den Business-Nutzen mitnehmen wollte, kann direkt zum Fazit springen. Für alle anderen, hier der Blick unter die Haube.
Das Kernelement ist ein TTL-System (Time-to-Live) auf Datenbankebene. Jeder Wissenseintrag bekommt ein Feld freshness_until mit einem Datum. Das Datum ergibt sich aus der Kategorie des Eintrags und einem konfigurierbaren Intervall. Allgemeines Wissen bekommt 365 Tage, Prozesswissen 180, technische Docs 90, regulatorische Inhalte 90, schnelllebige Themen wie Tool-Dokumentationen 30 bis 60 Tage.
Ein Scheduled Job (läuft als Cron-Task über Laravel, gekoppelt an einen Temporal Workflow für Robustheit) prüft täglich, welche Einträge ihr freshness_until-Datum erreicht haben. Diese werden in eine Queue geschoben und vom Freshness-Agent verarbeitet.
Der Freshness-Agent nutzt Claude mit Tool Use und hat drei Werkzeuge zur Verfügung. Erstens: eine Suche in der eigenen Wissensdatenbank, um Querverweise und neuere Einträge zum gleichen Thema zu finden. Zweitens: eine Websuche, um externe Quellen auf Aktualität zu prüfen. Drittens: ein Update-Tool, das einen neuen Wissenseintrag anlegen und den alten auf Status „archiviert" setzen kann.
Der Agent geht bei der Prüfung systematisch vor. Er liest den bestehenden Eintrag, analysiert den Inhalt und prüft dann gegen aktuelle Quellen. Bei internem Wissen sucht er in der eigenen Datenbank nach neueren Einträgen die das gleiche Thema betreffen oder widersprechen. Bei externem Wissen recherchiert er online. Am Ende gibt er eine von drei Bewertungen ab: „aktuell" (Haltbarkeitsdatum wird verlängert), „möglicherweise veraltet" (wird zur manuellen Prüfung markiert, mit Begründung), oder „veraltet" (wird archiviert und aktualisiert, wenn Auto-Update aktiv ist).
Das Versionierungsmodell arbeitet mit einer parent_id-Referenz. Jeder neue Eintrag zeigt auf seinen Vorgänger. So entsteht eine Kette: Original → Update 1 → Update 2 → aktueller Stand. Die Embeddings werden nur für den aktuellen Stand generiert, archivierte Einträge tauchen nicht mehr in der RAG-Suche auf. Aber über die Admin-Oberfläche sind sie jederzeit einsehbar. Das ist entscheidend für den Audit-Trail.
Die Auto-Update-Logik ist bewusst konservativ. Automatisch aktualisiert wird nur bei externem Wissen, wo der Agent eine klar belegbare neue Quelle findet. Also zum Beispiel eine neue Version einer Richtlinie, ein aktualisiertes API-Dokument oder eine offizielle Änderungsmitteilung. Bei internem Wissen, wo keine externen Quellen existieren, wird immer der manuelle Modus genutzt. Die Konfiguration dafür liegt in den Kategorie-Settings: Pro Kategorie kann man festlegen, ob Auto-Update erlaubt ist oder nicht.
Die gesamte Infrastruktur läuft auf Hetzner Cloud in Deutschland. Deployment über Gitea Actions mit automatischen Builds. Kundendaten, Datenbank und Wissenseinträge liegen vollständig in der EU. Für die KI-Prüfung werden Inhalte verschlüsselt an Anthropic (Claude) übermittelt, dort aber nicht gespeichert oder zum Training verwendet.
Fazit
Die meisten Unternehmen investieren viel Energie darin, Wissen zu sammeln und durchsuchbar zu machen. Aber kaum jemand kümmert sich systematisch darum, dass dieses Wissen auch aktuell bleibt. Dabei ist veraltetes Wissen schlimmer als kein Wissen, weil es Vertrauen zerstört und zu falschen Entscheidungen führt.
Ein System mit Haltbarkeitsdaten, automatischer Prüfung und Versionierung löst genau das. Wissen wird nicht einfach gesammelt und vergessen. Es wird gepflegt, geprüft und weiterentwickelt. Automatisch. Und nichts geht verloren, weil alte Stände archiviert und nicht gelöscht werden. Das ist Wissensmanagement, das tatsächlich funktioniert, nicht nur am Tag der Einführung, sondern dauerhaft.