Knowledge Catalog für KI-Agenten: So machst Du Unternehmenswissen sicher nutzbar

Ein Knowledge Catalog macht Unternehmenswissen für KI-Agenten auffindbar, verständlich, überprüfbar und kontrolliert nutzbar. Genau darum geht es: Nicht jede KI soll alles lesen dürfen, sondern die richtigen Informationen im richtigen Geschäftskontext nutzen — mit klaren Zugriffsregeln, Verantwortlichkeit, Datenqualität und menschlicher Kontrolle.

Ich sehe bei KMU immer wieder dasselbe Muster: Die Begeisterung für KI ist groß, aber das Wissen darunter ist verstreut. Angebote liegen in alten Ordnern, Produktdetails in Word-Dokumenten, Website-Texte in WordPress, Kundendaten im CRM, Projektwissen in E-Mails, Entscheidungen in Chatverläufen und Kennzahlen in Excel oder BigQuery. Für Menschen ist dieses Chaos mühsam. Für KI-Agenten ist dieses Chaos ein Risiko.

Ein Knowledge Catalog ist deshalb kein reines Enterprise-Thema. Für kleine und mittlere Unternehmen ist ein Knowledge Catalog ein pragmatisches Ordnungssystem: Er erklärt, welche Informationen existieren, was diese Informationen bedeuten, welche Quelle vertrauenswürdig ist, wer zuständig ist und was ein KI-System damit tun darf. Das ist praktisches Wissensmanagement für Unternehmen, die KI nicht nur testen, sondern verantwortbar einsetzen wollen.

KI ist kein Shortcut. KI verstärkt das, was im Unternehmen bereits klar, gepflegt und verantwortet ist — oder das Chaos, das schon vorhanden ist.

Wenn Du KI-Agenten sinnvoll einsetzen willst, brauchst Du nicht zuerst das größte Tool. Du brauchst zuerst Klarheit über Dein eigenes Wissen. Genau hier beginnt KI-Readiness: nicht bei der Software, sondern bei der Frage, ob Dein Unternehmen weiß, was es weiß.

Warum ein Knowledge Catalog für KI-Agenten wichtig wird

Ein KI-Agent ist mehr als ein Chatfenster. Ein KI-Agent kann Ziele verfolgen, Aufgaben planen, Werkzeuge nutzen, Informationen abrufen und einzelne Prozessschritte selbstständig vorbereiten oder ausführen. Je mehr ein KI-Agent darf, desto wichtiger wird der Datenkontext.

Roher Datenzugriff beantwortet nur eine technische Frage: „Wo liegen die Daten?“ Ein Knowledge Catalog beantwortet die unternehmerisch wichtigeren Fragen:

• Was bedeutet diese Information? „Umsatz“ kann brutto, netto, bezahlt, gebucht, prognostiziert oder storniert bedeuten.
• Welche Quelle ist verbindlich? Die Website, das CRM, die Buchhaltung oder die letzte Angebotsvorlage?
• Wie aktuell ist die Information? Ein veralteter Preisbaustein kann ein Angebot falsch machen, auch wenn die KI technisch sauber arbeitet.
• Wer ist verantwortlich? Ohne klare Zuständigkeit korrigiert niemand falsche Definitionen, doppelte Dateien oder widersprüchliche Aussagen.
• Welche Nutzung ist erlaubt? Eine interne Notiz darf vielleicht analysiert, aber nicht in eine externe Kundenmail übernommen werden.
• Welche Daten sind sensibel? Kundendaten, Mitarbeiterdaten, Margen, Beschwerden und Verträge brauchen besondere Schutzregeln.

Ohne diese Klärung entstehen nicht nur technische Fehler. Es entstehen falsche Angebote, uneinheitliche Kommunikation, schlechte Reports, Datenschutzrisiken und automatisierte Entscheidungen, die niemand sauber verantwortet.

Das eigentliche Risiko: KI beschleunigt falsches Wissen

Viele Unternehmen fragen zuerst: „Wie können wir KI schneller nutzen?“ Ich frage meistens zurück: „Welche falschen, alten oder widersprüchlichen Informationen würde die KI dann schneller verwenden?“

Ein paar typische Beispiele aus KMU-Projekten:

• Falsche Umsatzdefinition: Das Vertriebsteam spricht von Angebotswert, die Buchhaltung von bezahlten Rechnungen und die Geschäftsführung von geplantem Jahresumsatz. Ein KI-Agent erzeugt daraus ein Reporting, das plausibel klingt, aber drei Logiken vermischt.
• Veraltete Angebotsbausteine: In einem Ordner liegen fünf Versionen derselben Leistungsbeschreibung. Die KI findet die alte Version mit einem nicht mehr gültigen Preis und baut daraus ein neues Angebot.
• Uneinheitliches Markenwissen: Die Website spricht anders als die Verkaufsunterlagen, Social Media nutzt andere Begriffe und interne Präsentationen enthalten alte Positionierungen. Die KI schreibt dann formal passend, aber nicht markenklar.
• Sensible Kundendaten: Ein Agent fasst Projektinformationen zusammen und übernimmt interne Bemerkungen, die niemals in eine Kundenkommunikation gehören.
• Support ohne Freigabeprozess: Ein KI-System beantwortet Anfragen mit alten Garantiebestimmungen, weil niemand den gültigen Stand als Single Source of Truth definiert hat.

Das Problem ist nicht, dass KI grundsätzlich ungeeignet ist. Das Problem ist, dass ein KI-Agent ohne Geschäftskontext nicht wissen kann, welche Information verbindlich, aktuell, erlaubt oder riskant ist.

Data Catalog, Knowledge Catalog und Owned Knowledge einfach erklärt

Ein Data Catalog beschreibt vor allem Datenbestände: Tabellen, Spalten, Dateien, Systeme, technische Metadaten und Herkunft. Das ist wichtig, aber für KI-Agenten oft zu wenig.

Ein Knowledge Catalog geht weiter. Ein Knowledge Catalog verbindet Datenquellen mit Bedeutung, Geschäftskontext, Verantwortlichkeit, Datenqualität, Freigabeprozess und erlaubter Nutzung. Aus einer technischen Datenliste wird eine verständliche Wissenskarte für Menschen und KI-Systeme.

Der Unterschied lässt sich praktisch so beschreiben:

• Data Catalog: „Diese Tabelle existiert, diese Spalten sind vorhanden, diese Datei liegt dort.“
• Knowledge Catalog: „Diese Quelle ist verbindlich, diese Kennzahl bedeutet genau das, diese Person ist verantwortlich, diese Daten dürfen für interne Analyse verwendet werden, aber nicht für externe Kommunikation.“

Für KMU kommt ein weiterer strategischer Begriff dazu: Owned Knowledge. Owned Knowledge bedeutet, dass Dein wichtiges Unternehmenswissen nicht nur in Plattformen, Chatverläufen, Ordnern oder Köpfen einzelner Menschen liegt. Dein Wissen ist strukturiert, exportierbar, pflegbar und für Menschen sowie Maschinen nutzbar.

Viele Betriebe haben verstanden, warum Owned Media wichtiger ist als gemietete Reichweite. Die gleiche Logik gilt jetzt für Wissen: Wenn Dein Unternehmen sein Wissen nicht selbst strukturiert, werden Plattformen, Tools und einzelne Personen zur Abhängigkeit.

Was gehört in einen Knowledge Catalog?

Ein Knowledge Catalog muss nicht alles enthalten. Ein guter Knowledge Catalog enthält zuerst das Wissen, das für Entscheidungen, Kommunikation und wiederkehrende Arbeit wichtig ist.

Für ein KMU reichen zum Start meist diese Bausteine:

• Quellenverzeichnis: Website, CRM, Angebotsvorlagen, Produktdaten, Projektmanagement, Buchhaltung, Cloud-Ordner, interne Dokumentation, Support-Wissen und Analyse-Tools.
• Metadaten: Name der Quelle, Beschreibung, System, Format, Aktualität, Eigentümer, Sensibilität und Freigabestatus.
• Begriffsdefinitionen: klare Erklärungen für Lead, Kunde, Auftrag, Umsatz, Marge, Projektstatus, Conversion, Wartung, Garantie oder Stammkunde.
• Single Source of Truth: eindeutige Festlegung, welche Quelle bei Widersprüchen gilt.
• Verantwortliche: Menschen, die fachlich entscheiden können, ob eine Information korrekt ist.
• Zugriffsregeln: wer lesen, ändern, exportieren, analysieren oder KI-Zugriff erlauben darf.
• Datenqualität: Hinweise zu Aktualität, Vollständigkeit, Dubletten, Fehlern, Unsicherheit und Freigabe.
• Beziehungen: Verknüpfungen zwischen Produkten, Zielgruppen, Angeboten, Prozessen, Kampagnen, Kennzahlen und Verantwortlichen.
• Testfragen: typische Fragen, die ein Mensch oder KI-Agent korrekt beantworten können muss.
• Erlaubte KI-Nutzung: klare Regeln, ob ein Agent Informationen nur lesen, zusammenfassen, analysieren, vorschlagen, ausführen oder extern kommunizieren darf.

Gerade der letzte Punkt ist entscheidend. Ein KI-Agent, der interne Dokumente zusammenfasst, ist ein anderes Risiko als ein KI-Agent, der automatisch Angebote erstellt, Kundendaten verändert oder E-Mails verschickt.

Was darf ein KI-Agent mit welcher Quelle tun?

Ich empfehle kleinen Teams eine einfache Rechte-Logik. Nicht jede Quelle braucht denselben Schutz, aber jede wichtige Quelle braucht eine Entscheidung.

• Lesen: Der KI-Agent darf Informationen abrufen, aber nichts verändern. Geeignet für freigegebene Wissensartikel, öffentliche Website-Inhalte oder interne Prozessbeschreibungen.
• Zusammenfassen: Der KI-Agent darf Inhalte verdichten, etwa Projektstände oder Meetingnotizen. Sensible Aussagen müssen geprüft werden.
• Analysieren: Der KI-Agent darf Muster erkennen, Kennzahlen vergleichen oder Fehlerhinweise geben. Voraussetzung sind definierte Begriffe und Datenqualität.
• Vorschlagen: Der KI-Agent darf Angebotsbausteine, Antworten oder nächste Schritte vorbereiten. Ein Mensch gibt das Ergebnis frei.
• Ausführen: Der KI-Agent darf Aktionen anstoßen, etwa Tickets erstellen oder Datensätze aktualisieren. Das braucht enge Regeln, Protokollierung und klare Verantwortlichkeit.
• Extern kommunizieren: Der KI-Agent darf Inhalte nach außen senden. Das sollte in KMU nur mit sehr klaren Grenzen und menschlicher Kontrolle passieren.

Diese Abstufung wirkt einfach, verhindert aber viele Probleme. Denn sie zwingt Dich, zwischen „KI darf mir helfen“ und „KI darf für mich handeln“ zu unterscheiden.

Beispiele: Wo ein Knowledge Catalog im KMU-Alltag konkret hilft

Angebotsvorbereitung

Bei Angeboten wird Wissenschaos sofort sichtbar. Welche Leistung ist aktuell? Welche Formulierung ist freigegeben? Welche Annahmen gelten? Welche Referenzen passen? Welche Rabatte sind erlaubt?

Ein Knowledge Catalog kann Leistungsbeschreibungen, Preislogiken, Angebotsbausteine, Referenzen, Zielgruppen und interne Regeln so ordnen, dass ein KI-System sinnvolle Vorarbeit leistet. Der Agent erstellt dann nicht irgendein Angebot, sondern arbeitet mit freigegebenem Wissen. Wenn Du genau hier Zeit verlierst, ist der Beitrag zur KI-gestützten Angebotserstellung eine gute Vertiefung.

Interne Suche und Onboarding

Neue Teammitglieder fragen oft dieselben Dinge: Wo liegt was? Wer entscheidet was? Wie läuft ein Projektübergang? Welche Formulierungen verwenden wir? Welche Tools sind verbindlich?

Mit einem Knowledge Catalog entsteht eine semantische Suche. Semantische Suche bedeutet: Das System sucht nicht nur nach exakten Wörtern, sondern nach Bedeutung. Wenn jemand „Wie übergeben wir ein Website-Projekt?“ fragt, sollte das System Projektablauf, Checkliste, Verantwortliche, Vorlagen und Freigaberegeln finden.

Website- und Markenwissen

Als Branding-Stratege ist mir dieser Bereich besonders wichtig. Eine Marke besteht nicht nur aus Logo und Farben. Eine Marke besteht aus Bedeutung, Sprache, Haltung, Zielgruppenverständnis und wiederkehrenden Entscheidungen.

Wenn Dein Markenwissen sauber strukturiert ist, kann KI konsistenter schreiben, Inhalte prüfen und Widersprüche erkennen. Das betrifft Tonalität, Leistungsversprechen, verbotene Aussagen, Belege, Zielgruppen, Fachbegriffe und Positionierung. In unserer Arbeit rund um Branding und Positionierung wird deshalb immer klar: KI kann Markenarbeit unterstützen, aber sie darf Haltung nicht ersetzen.

Reporting und Kennzahlen

Reporting wirkt oft objektiv, ist aber in vielen KMU voller Interpretationen. Was ist ein aktiver Kunde? Wann zählt ein Angebot als gewonnen? Welche Kosten gehören in die Marge? Welche Kampagne bekommt die Conversion zugerechnet?

Ein Knowledge Catalog definiert diese Begriffe. Dadurch kann ein KI-Agent Reports besser erklären, Abweichungen einordnen und Fragen natürlicher beantworten. Google beschreibt zum Beispiel für Gemini in BigQuery Funktionen wie natürliche Sprache zur SQL-Generierung und Data Canvas zur Exploration von Datenassets. Gemini in Looker erlaubt Fragen an Datenquellen in natürlicher Sprache. Auch hier gilt: Natürliche Sprache macht schlechte Definitionen nicht besser.

Support und Kundenkommunikation

Ein KI-Agent im Support kann wiederkehrende Fragen schneller beantworten. Aber nur, wenn Garantiebedingungen, Leistungsgrenzen, aktuelle Produktinformationen und Eskalationsregeln gepflegt sind.

Ohne Knowledge Catalog kann Support-Automation Vertrauen beschädigen. Mit Knowledge Catalog kann ein Agent erkennen: Diese Antwort ist freigegeben, diese Information ist veraltet, diese Anfrage enthält sensible Daten, dieser Fall muss an einen Menschen.

Projektübergaben

In kleinen Teams steckt Projektwissen oft in den Köpfen einzelner Menschen. Wenn jemand krank ist, wechselt oder überlastet ist, entstehen Lücken. Ein Knowledge Catalog hilft, Übergaben sauberer zu machen: Projektziel, Status, offene Entscheidungen, Risiken, Ansprechpartner, Dateien, nächste Schritte und Freigaben werden auffindbar.

MCP einfach erklärt: kontrollierte Brücke statt Tool-Hype

Das Model Context Protocol, kurz MCP, ist ein standardisierter Weg, um KI-Anwendungen mit externen Datenquellen und Werkzeugen zu verbinden. Anthropic kündigte MCP am 25. November 2024 als offenen Standard für sichere Zwei-Wege-Verbindungen zwischen Datenquellen und KI-gestützten Tools an.

Für Dich als Unternehmer ist nicht die technische Architektur entscheidend. Wichtig ist die Logik: MCP kann eine kontrollierte Brücke zwischen KI-Agenten, Werkzeugen und freigegebenem Wissen sein. Ein Agent greift dann nicht unkontrolliert auf alles zu, sondern nutzt definierte Schnittstellen mit klaren Regeln.

Google Cloud dokumentiert, dass der frühere Dataplex Universal Catalog seit dem 10. April 2026 Knowledge Catalog heißt und Geschäftskontext, Governance sowie einen Kontextgraphen für KI-Agenten bereitstellen soll. Google beschreibt außerdem Knowledge-Catalog-Anbindungen mit MCP, Gemini CLI und MCP Toolbox. Für KMU ist daran vor allem die Denklogik relevant: MCP und Knowledge Catalog können zusammen helfen, KI-Agenten kontrolliert mit freigegebenem Unternehmenswissen zu verbinden.

Das ist ein aktuelles Produktbeispiel, aber nicht die einzige mögliche Umsetzung. Ein KMU kann mit Microsoft-Systemen, WordPress, CRM, lokalen Dateien, Notion, einem Wiki oder einer eigenen Datenstruktur starten. Die zentrale Frage bleibt immer gleich: Welches Wissen ist freigegeben, verständlich, aktuell und verantwortet?

Data Governance ist kein Bürokratiemonster

Viele kleine Unternehmen reagieren skeptisch auf Data Governance. Verständlich. Niemand braucht zusätzliche Bürokratie. Aber gute Data Governance bedeutet nicht mehr Papierarbeit. Gute Data Governance bedeutet weniger Risiko, weniger Suchzeit und weniger falsche Entscheidungen.

Für KMU heißt Data Governance vor allem:

• klare Zuständigkeiten statt „das weiß wahrscheinlich jemand“,
• freigegebene Quellen statt Dateien mit Namen wie „final_final_neu“,
• verständliche Begriffe statt interner Abkürzungen, die nur zwei Menschen verstehen,
• geprüfte Zugriffe statt blindem Vertrauen in jedes neue Tool,
• regelmäßige Pflege statt einmaliger Aufräumaktion,
• menschliche Kontrolle dort, wo eine Antwort rechtlich, finanziell oder menschlich relevant wird.

Besonders bei personenbezogenen Daten ist das nicht optional. Nach Art. 5 Abs. 1 DSGVO müssen personenbezogene Daten zweckgebunden, auf das notwendige Maß beschränkt und durch geeignete technische und organisatorische Maßnahmen geschützt werden. Für KI-Agenten heißt das: Nicht alles, was technisch lesbar ist, darf auch verarbeitet werden.

Welche Daten gehören nicht ungeprüft in KI-Systeme?

Ein Knowledge Catalog soll nicht alles öffnen. Ein Knowledge Catalog soll helfen, bewusst zu entscheiden. Besonders vorsichtig solltest Du bei diesen Daten sein:

• personenbezogene Kundendaten: Namen, E-Mail-Adressen, Telefonnummern, Adressen, Kaufhistorien, Beschwerden oder Gesundheitsinformationen.
• Mitarbeiterdaten: Verträge, Gehälter, Leistungsbeurteilungen, Krankheitsdaten oder interne Konflikte.
• Finanzdaten: Margen, Liquidität, interne Kalkulationen, nicht veröffentlichte Umsätze oder Bankdaten.
• Vertragsinformationen: Sonderkonditionen, rechtliche Verpflichtungen, Vertraulichkeitsklauseln oder laufende Verhandlungen.
• Strategische Informationen: Preisstrategie, neue Produkte, interne Schwächen, Akquisepläne oder Wettbewerbsanalysen.
• Ungeprüfte Notizen: Rohprotokolle, private Kommentare, nicht freigegebene Einschätzungen oder emotionale Zwischenstände.

Diese Daten können in bestimmten Fällen nutzbar sein. Aber nicht ohne Zweck, Zugriffskonzept, technische Schutzmaßnahmen, Protokollierung und klare Freigabe.

Die Minimalversion für kleine Teams

Du musst nicht mit einer großen Plattform starten. Für viele kleine Teams reicht eine einfache Minimalversion, die konsequent gepflegt wird.

Eine schlanke Startversion kann so aussehen:

• ein zentrales Dokument mit den wichtigsten Quellen, Verantwortlichen und Regeln,
• eine Wiki- oder Notion-Struktur für Begriffe, Prozesse und Freigaben,
• ein definierter Ordner mit freigegebenen Angebotsbausteinen und aktuellen Leistungsbeschreibungen,
• ein CMS-Bereich für Markenwissen, Leistungsseiten, Zielgruppen und Belege,
• eine einfache Quellenliste mit Status: freigegeben, veraltet, unsicher, sensibel, nicht für KI-Nutzung.

Das klingt unspektakulär. Genau deshalb funktioniert es. Kleine Unternehmen brauchen am Anfang kein schweres System, sondern einen verbindlichen Ort und klare Pflege.

30- bis 90-Tage-Plan: So startest Du pragmatisch

Ein Knowledge Catalog wird nicht durch ein Tool eingeführt, sondern durch Entscheidungen. Ich würde den Einstieg in drei Phasen aufteilen.

Phase 1: Die ersten 30 Tage — Anwendungsfall und Quellen klären

• Wähle einen konkreten Use Case: Angebotsvorbereitung, interne Suche, Reporting, Support oder Onboarding.
• Formuliere das Ziel: Welche Arbeit soll leichter, sicherer oder schneller werden?
• Liste die wichtigsten Quellen: maximal 10 bis 20 Quellen für den ersten Durchlauf.
• Markiere sensible Quellen: Kundendaten, Mitarbeiterdaten, Finanzdaten und vertrauliche Dokumente.
• Bestimme die Single Source of Truth: Welche Quelle gilt, wenn Informationen widersprüchlich sind?
• Sammle echte Fragen: Welche Fragen stellt Dein Team heute immer wieder?

Nach 30 Tagen musst Du nicht fertig sein. Du solltest wissen, welcher Bereich zuerst geordnet wird und welche Quellen dafür zählen.

Phase 2: Tage 31 bis 60 — Begriffe, Qualität und Verantwortung definieren

• Definiere zentrale Begriffe: Schreibe auf, was Umsatz, Lead, Projekt, Kunde, Auftrag, Marge oder Status bedeuten.
• Lege Verantwortliche fest: Jede wichtige Quelle braucht eine fachliche Ansprechperson.
• Bewerte Datenqualität: aktuell, veraltet, unvollständig, doppelt, widersprüchlich oder geprüft.
• Definiere Zugriffsregeln: Wer darf lesen, ändern, exportieren oder KI-Zugriff erhalten?
• Baue einen einfachen Freigabeprozess: Wer prüft neue Inhalte, bevor ein KI-Agent sie nutzen darf?
• Entferne oder sperre Altlasten: Alte Preislisten und ungültige Vorlagen sind riskanter als fehlende Inhalte.

Nach 60 Tagen sollte Dein erster Knowledge-Catalog-Bereich so klar sein, dass ein neuer Mensch im Team die Logik versteht.

Phase 3: Tage 61 bis 90 — KI-Zugriff begrenzen und testen

• Erstelle Testfragen: Nutze echte Fragen aus Angeboten, Support, Reporting oder Onboarding.
• Teste Antworten gegen Expertenwissen: Stimmen Quellen, Definitionen und Schlussfolgerungen?
• Begrenze KI-Rechte: Am Anfang lesen, zusammenfassen und vorschlagen — nicht automatisch ausführen.
• Protokolliere Fehler: Jede falsche Antwort zeigt Dir, welche Quelle, Definition oder Regel fehlt.
• Führe einen Pflege-Rhythmus ein: monatlich für operative Inhalte, quartalsweise für Begriffe und Regeln.
• Entscheide den nächsten Use Case: Erst wenn ein Bereich stabil ist, kommt der nächste.

Wenn Du vorher Deinen Reifegrad einschätzen willst, kann ein KI-Readiness-Check für KMU helfen. KI-Readiness bedeutet nicht, dass alles perfekt sein muss. KI-Readiness bedeutet, dass Risiken, Daten, Prozesse und Verantwortlichkeiten bewusst geklärt werden.

Checkliste: Ist Dein Unternehmen bereit für den ersten Knowledge Catalog?

Wenn Du bei mehreren Punkten innerlich nickst, ist der richtige Zeitpunkt gekommen:

• Dein Team sucht regelmäßig nach denselben Informationen.
• Es gibt mehrere Versionen von Angebotsvorlagen, Preislisten oder Leistungsbeschreibungen.
• Wichtige Prozessinformationen stecken in einzelnen Köpfen.
• Kennzahlen werden unterschiedlich interpretiert.
• CRM, Website, Buchhaltung, Projektmanagement und Cloud-Ordner enthalten jeweils einen Teil der Wahrheit.
• Du willst KI-Agenten für Angebote, Support, Reporting oder interne Suche nutzen.
• Es gibt sensible Kundendaten oder vertrauliche Projektdaten.
• Niemand kann spontan sagen, welche Quelle verbindlich ist.
• Neue Teammitglieder brauchen lange, um interne Abläufe zu verstehen.
• Du möchtest KI nutzen, ohne Verantwortung an ein Tool auszulagern.

Wann ist ein Knowledge Catalog gut genug für den ersten KI-Agenten?

Ein Knowledge Catalog ist gut genug für den ersten KI-Agenten, wenn fünf Bedingungen erfüllt sind:

• Der Use Case ist klar: Der Agent hat eine begrenzte Aufgabe, keine Allzweckrolle.
• Die Quellen sind freigegeben: Der Agent nutzt nur geprüfte oder bewusst markierte Informationen.
• Die Begriffe sind definiert: Zentrale Kennzahlen und Fachwörter sind eindeutig beschrieben.
• Die Rechte sind begrenzt: Der Agent darf am Anfang eher vorbereiten als ausführen.
• Der Mensch bleibt im Freigabeprozess: Kritische Ergebnisse werden geprüft, bevor sie Wirkung nach außen oder in Systeme hinein entfalten.

Das ist der Punkt, an dem KI praktisch wird. Nicht perfekt. Aber kontrolliert, lernfähig und verantwortbar.

Warum das auch eine Markenfrage ist

Ein Knowledge Catalog klingt zuerst nach Datenmanagement. In Wahrheit ist er auch Markenarbeit. Denn jede automatische Antwort, jedes Angebot, jeder Support-Text und jeder Report prägt, wie Dein Unternehmen handelt und wahrgenommen wird.

Wenn Dein Unternehmenswissen unklar ist, kommuniziert auch Deine KI unklar. Wenn Deine Marke sauber positioniert ist, Deine Website verständlich strukturiert ist und Deine Prozesse nachvollziehbar sind, kann KI diese Klarheit verstärken.

Deshalb denken wir bei Berger+Team Branding, Website, Marketing, Automation und KI nicht getrennt. In unserer Arbeit rund um KI und Digitalisierung geht es nicht darum, ein Tool einzubauen. Es geht darum, ein System zu schaffen, das Deinem Team Arbeit abnimmt und bessere Entscheidungen ermöglicht.

Mein Fazit: KI braucht Klarheit, nicht nur Zugriff

Ein Knowledge Catalog ist die Brücke zwischen Unternehmenswissen und verlässlichen KI-Agenten. Der eigentliche Wert liegt nicht im Katalog selbst, sondern in der Klarheit, die dadurch entsteht: Welche Daten sind relevant? Was bedeuten diese Daten im Geschäftskontext? Wer ist verantwortlich? Was darf ein Agent tun? Was muss ein Mensch freigeben?

Für KMU ist das eine echte Chance. Kleine Unternehmen können schneller entscheiden, pragmatischer strukturieren und näher am eigenen Wissen arbeiten als große Organisationen. Aber nur, wenn KI nicht als Abkürzung missverstanden wird.

Mein Rat: Baue zuerst Dein Owned Knowledge auf. Starte klein, aber verbindlich. Wähle einen Use Case, kläre Quellen, definiere Begriffe, lege Verantwortliche fest, begrenze KI-Zugriffe und prüfe Ergebnisse menschlich. Dann wird KI nicht zum unkontrollierten Experiment, sondern zu einem Werkzeug, das Klarheit verstärkt.

FAQ: Knowledge Catalog, KI-Agenten und Unternehmenswissen

Was ist ein Knowledge Catalog?

Ein Knowledge Catalog ist eine strukturierte Wissens- und Metadatenkarte Deines Unternehmens. Er beschreibt, welche Daten, Inhalte und Prozesse existieren, was sie bedeuten, wer verantwortlich ist, welche Qualität sie haben und wie Menschen oder KI-Agenten sie nutzen dürfen.

Was ist der Unterschied zwischen einem Knowledge Catalog und einem Data Catalog?

Ein Data Catalog zeigt vor allem technische Datenbestände wie Tabellen, Dateien, Spalten und Systeme. Ein Knowledge Catalog ergänzt diese Sicht um Geschäftskontext, Begriffsdefinitionen, Verantwortlichkeit, Datenqualität, Freigabeprozess und erlaubte KI-Nutzung.

Warum brauchen KI-Agenten Geschäftskontext?

KI-Agenten brauchen Geschäftskontext, damit sie Informationen richtig einordnen können. Ohne Kontext kann ein Agent alte Preise, falsche Umsatzdefinitionen oder sensible Notizen verwenden und daraus scheinbar plausible, aber riskante Ergebnisse erzeugen.

Wie klein kann ein KMU starten?

Ein KMU kann sehr klein starten: mit einem Use Case, einer Quellenliste, einem Glossar für zentrale Begriffe und klaren Verantwortlichen. Für den Anfang reicht oft ein Wiki, ein strukturiertes Dokument oder ein freigegebener Ordner, wenn Pflege und Zugriffsregeln verbindlich sind.

Was kostet der Einstieg in einen Knowledge Catalog?

Der Einstieg hängt weniger vom Tool als vom Umfang ab. Wenn Du mit einem klaren Anwendungsfall startest, entstehen die größten Aufwände meist durch Sichtung, Bereinigung, Definitionen und Freigaben — nicht durch Software.

Welche Tools brauche ich für einen Knowledge Catalog?

Für den Start brauchst Du nicht zwingend ein spezialisiertes Enterprise-Tool. Ein Wiki, Notion, SharePoint, ein sauberes Ordnersystem, ein CMS-Bereich oder ein internes Dokument können reichen; wichtig sind Struktur, Verantwortlichkeit, Aktualität und klare Regeln für KI-Zugriff.

Wer sollte im Unternehmen verantwortlich sein?

Die Verantwortung sollte nicht allein bei der IT liegen. Fachverantwortliche müssen entscheiden, ob Inhalte korrekt sind, während Geschäftsführung oder Projektleitung Regeln für Zugriff, Freigabe und Nutzung festlegen.

Welche Daten dürfen nicht ungeprüft in KI-Systeme?

Personenbezogene Daten, Mitarbeiterdaten, Finanzdaten, Vertragsinformationen, interne Strategien und ungeprüfte Notizen dürfen nicht ungeprüft in KI-Systeme. Diese Daten brauchen Zweckbindung, Datenminimierung, Zugriffsschutz und eine klare Entscheidung, ob ein KI-Agent sie überhaupt verarbeiten darf.

Was hat MCP mit einem Knowledge Catalog zu tun?

MCP steht für Model Context Protocol und kann KI-Anwendungen kontrolliert mit freigegebenen Datenquellen und Werkzeugen verbinden. In Verbindung mit einem Knowledge Catalog hilft MCP, dass ein KI-Agent nicht beliebig auf Daten zugreift, sondern definierte Quellen, Regeln und Grenzen nutzt.

Wie hilft ein Knowledge Catalog gegen KI-Halluzinationen?

Ein Knowledge Catalog reduziert Halluzinationen, weil KI-Agenten auf geprüfte Quellen, definierte Begriffe und freigegebenes Wissen zugreifen. Der Katalog ersetzt keine menschliche Kontrolle, aber er gibt dem KI-System eine belastbare Grundlage.

Wann darf ein KI-Agent automatisch handeln?

Ein KI-Agent sollte erst automatisch handeln, wenn Quellen, Regeln, Verantwortliche, Tests und Protokollierung stabil sind. In KMU ist es meist sinnvoll, zuerst mit Lesen, Zusammenfassen und Vorschlagen zu starten und kritische Aktionen durch Menschen freigeben zu lassen.

Wie oft muss ein Knowledge Catalog gepflegt werden?

Operative Inhalte wie Preise, Leistungen und Support-Regeln solltest Du mindestens monatlich prüfen. Begriffe, Zugriffsregeln und Datenqualität kannst Du in vielen KMU quartalsweise überprüfen, solange es bei wichtigen Änderungen einen direkten Freigabeprozess gibt.

Quellen

1. Anthropic: Introducing the Model Context Protocol — anthropic.com (2024)
2. Google Cloud Documentation: Knowledge Catalog overview — docs.cloud.google.com (2026)
3. Google Cloud Documentation: Use Knowledge Catalog with MCP, Gemini, and other agents — docs.cloud.google.com (2026)
4. Google Cloud Documentation: Gemini in BigQuery overview — docs.cloud.google.com (2026)
5. Google Cloud Documentation: Gemini in Looker overview — cloud.google.com (2026)
6. Verordnung (EU) 2016/679, Datenschutz-Grundverordnung, Art. 5 — eur-lex.europa.eu (2016)