Digitale Tanzformation

NoDitch GmbH feat. Marina Dittrich

Since 09/2025 8 Episoden

Von implizitem zu explizitem Wissen: Wiki-Setup mit Claude & Co.

30.10.2025 28 min

Zusammenfassung & Show Notes

Wie führt man 2025 eine Wissensdatenbank ein, wenn das gesamte Unternehmenswissen noch in den Köpfen der Geschäftsführung steckt? In dieser Folge teile ich einen Ansatz, der KI-Tools wie Claude von Anfang an mitdenkt. Ich zeige Schritt für Schritt, wie man implizites Wissen extrahiert, strukturiert und in ein Wiki überführt. Ein Learning-by-Doing-Ansatz aus der aktuellen Praxis, noch ohne Best Practices, aber mit viel Potenzial für alle, die vor ähnlichen Herausforderungen stehen.

Kontakt: marina@noditch.de
Webseite: https://www.noditch.de/

Zusätzliche Ressourcen zu einzelnen Folgen gibt es über den Podcast Newsletter.
Anmeldung über diesen Link.

Transkript

Hallo und herzlich willkommen bei einer neuen Folge der digitalen Transformation. Die heutige Folge ist inspiriert von einem aktuellen und neuen Kunden von mir. Und das Thema wird sein: Wie geht eigentlich eine Einführung von einer Wissensdatenbank oder einem Wiki in Zeiten von AI? Also wie macht man das jetzt anders wie zu den Zeiten, wo AI noch nicht da war? Und welche Möglichkeiten hat man, wenn man jetzt erst so ein System einführt und man diese ganzen Möglichkeiten schon zur Verfügung hat, die es vor ein paar Jahren so in der Form einfach noch nicht gab. Also lasst uns starten. Ein kleiner Disclaimer vorweg. Es ist nicht so, als ob für das Thema schon irgendwelche Playbooks gäbe. Irgendwelche Best Practices, die Leute schon zig mal ausprobiert haben. Auch ich nicht. Das ist jetzt für mich so die, ich würde sagen, erste Situation, wo es die Möglichkeit gibt, tatsächlich AI direkt von Anfang an so in der Form mitzudenken. Ich habe in der Zeit nach dem Launch von ChatGPT und jetzt heute natürlich diverse Wiki-Einführungen gemacht. Das waren aber größere Organisationen, wo AI noch überhaupt nicht als Werkzeug in der Form für die Mitarbeitenden zur Verfügung stand. Insofern musste man das ganze Thema ein Stück weit ausklammern. Das kommt jetzt im Nachhinein rein. Jetzt für mich ist es die erste Situation, wo tatsächlich direkt ab Punkt null, direkt am Anfang, AI mitgedacht werden muss, auch aus der Situation, die gerade besteht. Insofern das, was ich jetzt hier teile, ist jetzt ungefiltert meine Herangehensweise an diese Problemsituation, die ich euch gleich erzähle. Und genau, in der Hoffnung, ihr könnt daraus ein paar Gedanken mitnehmen und vielleicht auch auf euer Setup übertragen. Also ich gebe euch jetzt erstmal ein bisschen Kontext. Die Situation ist folgende: Ich hatte einen Workshop mit einem Geschäftsführer einer Firma. Das ist jetzt super abstrakt. Dieses Geschäftsmodell ist nicht wichtig für das, was jetzt kommt. Wichtig ist zu wissen, dass es eine aktuell noch recht kleine Firma ist, die in der Branche, wo sie sind, ein recht hohes Volumen an Dienstleistungen haben und das Ganze jetzt an einem Punkt kommt, wo klar ist: Ja, wenn es jetzt weitergehen soll, dann kommen auf jeden Fall neue Mitarbeitende dazu. Und das Ganze muss sich wegbewegen von dem Wissen und den Prozessen, die im Wesentlichen in den Köpfen der Geschäftsführung drin sind. Und auch das operative, das ganze operative Wirken ist letztlich 100% abhängig von den beiden Geschäftsführern. Und es ist jetzt schon, also es sind jetzt schon, stehen schon Leute in der Warteschlange sozusagen. Also nächsten Monat gibt es dann eine Person, die anfängt und übernächsten Monat. Und also es ist klar, da kommen jetzt mehr Leute rein. Und insofern eine sehr kurze Zeit zwischen: Es gibt keine Systeme, die Prozesse implementieren, und es gibt auch keine Wissensdatenbank, die man befragen kann, zu wie Dinge laufen. Also jetzt für die neuen Personen ist das insbesondere wichtig. Und das ganze Szenario ist eine sehr klassische Situation, sage ich jetzt mal. Insofern bin ich sicher, dass sich da viele mit identifizieren können. Vielleicht nicht, vielleicht wart ihr mal in der Situation, vielleicht seid ihr es gerade, vielleicht ist es auch schon eine Weile her. Jedenfalls absolut klassisch. Und genau, also wir haben einen Workshop gemacht, um zu gucken, wo ist jetzt das dringendste oder das erste sinnvollste Softwaresystem, was man einführen kann und sind da letzten Endes auf eine Wissensdatenbank gekommen, weil in erster Linie die ganzen Prozesse, bevor man die jetzt in ein Projektmanagementsystem oder sonst was reinbekommen kann, muss man die ja auch erstmal verschriftlichen. Man muss die erstmal überhaupt, man muss sie aufgeschrieben haben. Und da ist dann quasi eine Wissensdatenbank eine Art Zwischensystem und für die Onboardings, die jetzt stattfinden, ist das natürlich einfach das System, was jetzt gebraucht wird. So, jetzt ist aber die Herausforderung natürlich, dass die Geschäftsführung selbst absolut operativ eingebunden ist und insofern da jetzt nicht sowas geht wie: Man blockt sich jetzt wirklich Tage und Wochen, nur um ein Wiki zu befüllen. So das geht nicht. Und es muss jetzt aber relativ schnell was passieren. Und genau da habe ich mir überlegt, wie könnte man da rangehen mit AI, tatsächlich auch im Hinblick darauf, dass man ja gerne so ein System haben möchte, wo ich eine Frage reinstelle. Also wie geht Prozess XYZ? Wie schließe ich das Büro ab? Also, so Fragen, die sich stellen am Anfang. Dass man da ein System hat, man fragt es und man bekommt eine Antwort basierend auf dem Inhalt. Also RAG wäre da so das technische Stichwort dafür. Und genau. Ich würde euch jetzt mal diesen Workflow erzählen, den ich mir überlegt habe zum Thema: Wie kriegt man das jetzt hin mit AI und mit möglichst wenig Zeitaufwand? Dazu habe ich mir jetzt Folgendes überlegt. Und zwar erstmal habe ich mir die Frage gestellt: Was sind die Schritte, die man klassischerweise tun müsste, um jetzt zu dem Ziel zu kommen, dass man eben eine Wissensdatenbank hat, die hat eine logische Struktur, es gibt einen Ort für jegliche Informationen, die irgendwie wichtig ist, und es gibt dort vielleicht auch schon erste Templates und so weiter. Man muss zuerst einmal das erfassen, was da ist. Also alles, alles, was wichtig ist für das Unternehmen, welche Prozesse letztlich durchlaufen werden. Wie funktioniert das Geschäftsmodell? Was sind vielleicht Personen, die beteiligt sind? Wie ist die aktuelle Arbeitsteilung? Was sind regelmäßige Aufgaben? Was sind unregelmäßige Aufgaben? Also alles, alles, was ihr euch vorstellen könnt. Das Ganze, und das Problem, dieses Ganze oder dieses Prozesswissen, das ist bei den Personen, die da operativ dran beteiligt sind. Und da ist die Geschäftsführung jetzt auch keine Ausnahme. Das ist nicht in strukturierter Form vorhanden, weil es einfach ein operatives Wissen ist, was man täglich tut, aber es ist ein extra Aufwand, sich noch mal hinzusetzen und zu überlegen: Ja, was mache ich da eigentlich? Wenn man da strukturiert rangeht, dann kriegt man diese Infos. Aber das erfordert, das erfordert meistens ein strukturgebendes Element von außen. Das kann dann jemand wie ich sein, und ich setze mich dann hin und ich stelle Fragen und sortiere das am Ende alles. Das kann auch, wenn man sehr diszipliniert ist, kann man das auch selber hinkriegen. Aber es ist ein eigener Aufwand. Also was soll ich sagen? Also Punkt eins: Man muss die Information in der Breite und Tiefe erfassen. Man muss diese Informationen strukturieren. Und aus diesem aufbereiteten Ding muss man diverse Sachen ableiten. Beispielsweise, was sind denn, wenn wir jetzt an Confluence denken, was sind die Confluence-Bereiche, die ich erstellen muss? Und welche Informationen gehören wo rein? Was sind Templates, die ich brauche, um bestimmte Prozessschritte abzubilden oder bestimmte Informationen, die immer wieder nötig sind, strukturiert abzufragen? Was ist ein Onboarding? Was jetzt für einen neuen Mitarbeiter in einer bestimmten Rolle die Dinge sind, die als erstes wichtig sind. Also Sachen und... Man kommt auch jetzt mit AI nicht um diese Schritte drum herum. Also es bleibt eigentlich gleich. Man kann nichts davon überspringen. Man kann auch die Reihenfolge nicht verändern. Was man aber machen kann, ist jetzt AI schon direkt einzusetzen bei jedem dieser Schritte. Und genau. Da habe ich mir jetzt überlegt: Ja, wie sieht das aus? Wie kann AI helfen bei all diesen Schritten? Und wie kann man diese Hürde, die da schon dranhängt, sich hinzusetzen und sich diese Zeit zu nehmen und das Ganze zu durchdenken, wie kann man das ein bisschen abkürzen? Im ersten Schritt habe ich mir überlegt: Was ist eigentlich die Sache? Also was muss getan werden, um zu diesem Ziel hinzukommen? Und da ist es so, dass man erst mal überhaupt Informationen erfassen muss. Also man muss alles erfassen, was für das Unternehmen ein wichtiger Kontext ist. Und da fällt alles rein. Das ist dann je nach Geschäftsmodell oder je nach Unternehmen sind das natürlich unterschiedliche Sachen. Aber denkt einfach an alles. Also welche Prozesse? Wie funktionieren die Prozesse? Wer ist beteiligt? Was sind regelmäßige Aufgaben? Was sind unregelmäßige Aufgaben? Wie werden diese Aufgaben gemacht? Was sind wichtige Ansprechpartner? Was sind Insights, die das Unternehmen als Unternehmenswissen sozusagen hat? Also wirklich alles, alles Mögliche. Das ist quasi die Basis, Punkt null. Das braucht man. Ein zweiter Schritt ist, aus diesem Wissen das zu clustern und zu kategorisieren. Und die Schwierigkeit dabei ist, dass die Personen, die über dieses Wissen verfügen, meistens das einfach tun. Also sie arbeiten in den Prozessen und sie reden mit den Leuten und sie machen und tun. Das Ganze ist aber nicht einfach abrufbar in systematischer Form, sondern diese systematische Form ist auch für diese Personen... und da ist die Geschäftsführung auch keine Ausnahme. Ja, das ist einfach menschlich, dass, gerade wenn man viel zu tun hat und Dinge einfach tut, ist es ein extra Aufwand, sich hinzusetzen und sich Gedanken zu machen: Halt, Stopp! Was tue ich da eigentlich? Warum mache ich das in dieser Reihenfolge? Warum mache ich diesen Schritt so und nicht anders? Und genau. Und aus diesen strukturierten Infos kann man dann wiederum ganz viele Dinge ableiten. Daraus kann man ableiten, welche... also wir reden jetzt über Confluence als Wissensdatenbank, gilt aber auch für Notion und wie sie alle heißen. Welche Spaces brauche ich denn in Confluence? Also welche Bereiche, in denen ich das Unternehmenswissen ablegen und clustern möchte? Welche Templates brauche ich? Und wie wird das Ganze dann benutzt? Und diesen Prozess, den kann man nicht... die Punkte, die ich gerade gesagt habe, da kann man keinen von weglassen. Man kann das Erfassen der Informationen nicht weglassen. Man kann das Clustern nicht weglassen und das draus Ableiten sowieso nicht. Das sind die drei Schritte. Die stehen fest. Was man aber tun kann, ist jetzt AI für jeden dieser Schritte einzusetzen und tatsächlich auch das abzukürzen, wo normalerweise jetzt ich als Beraterin, also vor Ort oder remote ist egal, mich hinsetzen müsste jetzt mit der Geschäftsführung in dem Fall und in Form von Interviews, Fragen, diversen Methodiken, die man da anwenden kann, würde ich ja genau das tun und den Leuten helfen, dieses Wissen zu verbalisieren und zu strukturieren. Und man kann jetzt sagen, dass das, was ich euch jetzt vorschlage, ist ein Stück weit ein Verkürzen oder... Ja, ich setze AI ein, um die Dinge abzukürzen, die normalerweise ich getan hätte, um schneller zu einem bestimmten Ergebnis zu kommen. Und zwar, genau, jetzt bin ich glaube ich in einem Punkt, wo ich einfach mal den Workflow erzählen kann. Es startet mit einer Form von KI-Abo. In meinem Fall ist es jetzt Claude. Geht wahrscheinlich auch mit ChatGPT. Bin da mehr Fan von Claude aufgrund von Datenschutz- und Security-Gründen und einfach weil die Integration mit diesem Model Context Protocol oder MCP ganz gut funktioniert. Also man dann direkt aus dem Chat in Claude heraus eine Confluence-Seite erstellen kann, beispielsweise. Aber letzten Endes wird wahrscheinlich auch ein anderes Modell funktionieren. Wichtig ist nur, dass ihr ein sogenanntes... also in Claude heißen sie jetzt Projects, ich weiß nicht wie sie woanders heißen. Also ein Project in Claude ist eine Art Kontext, wo man sagt: Ich arbeite jetzt an einem längerfristigen Ding und ich gebe einen speziellen Kontext, damit die Antworten in diesem Kontext spezifischer und besser werden. Genau. Und ja, dann würde man jetzt einfach so vorgehen, oder das habe ich jetzt meinem Kunden empfohlen. Muss man schauen, ob es dann... also wie gesagt, das ist jetzt gerade in der Mache. Mal gucken, was dann da rauskommt. Das ist dann eine weitere Podcastfolge. Genau. Jedenfalls in Claude erstellt ihr ein Projekt. Ihr müsst dort immer auch eine Projektbeschreibung hinzufügen, die ein bisschen spezifiziert: Was wollt ihr damit? Jetzt in dem Fall beschreibt man die Situation: Ja, ich bin Geschäftsführer einer Firma. Es starten jetzt neue Mitarbeitende. Das Unternehmenswissen ist in meinem Kopf. Und ich möchte in diesem Projekt... also das Ziel von diesem Projekt ist, das Wissen aus meinem Kopf rauszuholen, zu systematisieren und vorzubereiten, also eine Einführung von einer Wissensdatenbank vorzubereiten. Und insbesondere, das ist jetzt der zeitliche Fokus, einen Onboarding-Prozess abzuleiten und in recht schneller Zeit zu implementieren. Genau. Das ist quasi die Grundbeschreibung von dem Projekt. Das gibt ja auch schon mal ein bisschen Kontext. Und dann würde ich einen neuen Chat erstellen und mit einer Anweisung starten, die ungefähr das nochmal sagt, was ich gerade gesagt habe. Und ich würde noch hinzufügen, sowas wie: Ja, antworte nicht auf meine... Also quasi deine Aufgabe ist, diese Infos, die in meinem Kopf sind, das implizite Wissen, was ich quasi einfach tue, explizit zu machen. Und das ist die erste Aufgabe. Antworte nicht darauf. Systematisiere noch nicht, verarbeite noch nicht, sondern macht das so lange, bis ich sage: Wir sind fertig. Sagt der KI auch, sie soll nachfragen, wenn etwas nicht klar ist. Sagt auch, sie soll euch Fragen stellen. Sie soll euch dabei helfen, das zu systematisieren und euch die Gedankenanstöße geben, die nötig sind, dass euch die wichtigen Dinge einfallen. Ungefähr so. Und dann, ja, dann könnt ihr im Prinzip loslegen. Also dann würde ich glaube ich die Handy-App nehmen, weil da könnt ihr nämlich reinsprechen. Und dann gibt es so eine Funktion: Man kann einerseits diesen Unterhaltungsmodus, wo man dann sofort Antworten bekommt, benutzen. Den braucht ihr nicht, sondern den, wo ihr sozusagen eine Sprachnachricht schickt. Und die Sprachnachricht wird transkribiert und es ist so, als ob ihr Text da reinschreibt, bloß ihr müsst halt nicht tippen. Das ist natürlich eine Geschmacksfrage. Es gibt Leute, die mögen das nicht so gerne. Ich finde, es hat Vor- und Nachteile. Ich finde, eine Schriftlichkeit... also man könnte es genauso gut machen, dass man schriftlich antwortet. Es ist natürlich ein bisschen langsamer, ist es glaube ich immer, wenn man schreibt. Wenn man schreibt, muss man nochmal anders drüber nachdenken und wird wahrscheinlich schon mehr tatsächlich systematisieren. Beim Sprechen ist es ja sehr unmittelbar und man muss zwar auch nachdenken, aber es ist einfach etwas ein anderer Modus. Aber das macht auch nichts. Ihr könnt auch sowohl schriftliche Antworten geben und euch das mehr überlegen, ihr könnt auch einfach reinlabern. Und weil in dieser ersten Phase, worum es geht, ist wirklich möglichst viele Informationen zu sammeln, einfach alles ungefiltert, alles was da ist. Und das könnt ihr machen, wann immer ihr Zeit habt. Ihr könnt es sogar unterwegs machen, würd ich jetzt nicht empfehlen. Ich würde mich schon einfach hinsetzen, meinetwegen am Anfang des Tages oder am Ende des Tages. Vielleicht eher am Anfang des Tages, wenn man noch ein bisschen fitter ist. Und dann sich wirklich einfach eine Viertelstunde oder 20 Minuten nehmen pro Tag und da Dinge draufsprechen und die Fragen beantworten, die die KI stellt, und das so lange machen, bis ihr das Gefühl habt: Boah, jetzt habe ich alles erzählt, jetzt fällt mir gerade wirklich nichts ein. Das ist so, wenn ihr jetzt... also stellt euch das vor: Ihr habt Meetings jetzt mit einem neuen Mitarbeiter oder einer neuen Mitarbeiterin. Da werdet ihr ja auch irgendwann an einem Punkt kommen: So, gut, jetzt habe ich auch wirklich alles erzählt, jetzt ist da gerade nichts mehr. Und an dem Punkt solltet ihr auch kommen. Genau. Und wenn dann erstmal alles aufgenommen ist, dann kann man jetzt weitermachen. Vor der Auswertung oder vor der Strukturierung würde ich noch so einen Zwischenschritt schieben, der so eine Art Sicherung einfach ist. Also ich würde zuerst fragen oder die KI bitten, einmal alles, was jetzt gefallen ist, zusammen mit den Fragen zu dokumentieren. Also und dann möglichst wenig im Wortlaut zu verändern, sondern ein Riesentextdokument rauszugeben, was die Fragen der KI und eure Antworten beinhaltet. Am besten in so einem Frage-Antwort-Ding. Also folgende Frage und dann kommt eure Antwort. Und das... also die Datei, die könnte jetzt, also einfach als TXT-Format oder so, würde ich das mir geben lassen. Und dann würde ich das Dokument nehmen und in dem Claude-Project würde ich das als Kontext hinterlegen. Also ihr könnt in diesem Claude-Project könnt ihr ja diverse Dateien hochladen. Und diese... also das ist jetzt schon eine Datei, die Kontext für dieses Projekt gibt. Da könnt ihr nämlich eine TXT-Datei hinzufügen und das macht ihr einfach mit dem Output, den ihr gerade bekommen habt. Dann könnt ihr noch mal überlegen: Gibt es vielleicht noch wichtige Dokumente, die euch in PDF-Form oder in Word, was weiß ich, was da rumfliegt? Gibt's denn noch irgendwas, was den Kontext für dieses Projekt bereichern würde? Dann könnt ihr die ebenfalls noch hochladen. Und dann seid ihr eigentlich startklar für die Benutzung davon, also die Strukturierung davon und auch den letzten Schritt: Ableiten, was braucht ihr eigentlich? Ja. Und jetzt ist eigentlich der spaßige Teil angesagt, wo ihr mit den Daten, die ihr schon erzeugt habt, interagieren könnt. Und die Idee ist, dass ihr immer mehr Stückchen aus diesem ganzen Wust extrahiert und Stück für Stück euch einer Systematisierung annähert. Beispielsweise könntet ihr losgehen und sagen: Identifiziere die Kernprozesse oder die umsatzrelevanten Kernprozesse in meinem Unternehmen und visualisiere sie in einem Prozessdiagramm. Dann könnt ihr auch mehr in die Tiefe gehen und sagen: Folgenden Teilprozess, identifiziere dort die relevanten Aufgaben und beschreibe die einzelnen Schritte in Form von einer Aufgabenbeschreibung, also im Hinblick drauf, man möchte irgendwann ein Projektmanagementsystem einführen und da wird man genau das brauchen, also die Beschreibung der einzelnen Aufgaben. Was könnt ihr noch machen? Genau. Und dieses Stückchen, was da rauskommt, sobald ihr etwas habt, wo ihr sagt: Ja, das ist jetzt, das ist entweder schon gut so wie es ist, oder das nehme ich jetzt, fine-tune das, mach es sozusagen, korrigiere nochmal die Dinge, die die KI nicht hinbekommen hat, und mach es fertig sozusagen. Sobald ihr ein Ergebnis habt, ladet ihr das wieder in den Projektkontext hoch. Also damit ihr irgendwann in diesem Claude-Project alle wichtigen... also ihr habt nicht einfach nur einen Strom an irgendwie Daten, sondern ihr habt... mit diesem Strom habt ihr angefangen, aber ihr habt dann später ganz viele am Ende Texte oder sonstwie Dokumente in dem Projektkontext und könnt in diesem Project, in diesem Claude-Project, einen Chat anfangen und ihr könnt dann Fragen stellen zu diesem Projektkontext. Und also um dann zu dem Punkt hinzukommen zu sagen: Ja, du verstehst jetzt, du verstehst ja jetzt mein Unternehmen. Schau dir bitte alles an, was ich im Kontext hochgeladen habe. Und jetzt sag mir: Schlag mir eine Struktur vor, wie ich meine Wissensdatenbank aufbaue. Was kann man noch machen? Gib mir einen Entwurf für ein Onboarding einer Vertriebsperson. Identifiziere alle wichtigen Guidelines und Dokumente, die es schon gibt, und verlinke sie in diesem Onboarding-Prozess. Und so weiter und so fort. Also... das ist jetzt... also das, was ich jetzt erklärt habe, ist eine Variante, wie man in jedem Schritt, den man machen muss in dem Aufbauprozess von so einer Wissensdatenbank, an jeder Stelle schon AI einzusetzen. Und ich fasse das nochmal kurz zusammen, also wie AI da an welcher Stelle was tut eigentlich. Also Punkt eins: Ganz banal ist dieses, die Möglichkeit irgendwo reinzusprechen und die Daten erstmal unstrukturiert zu erfassen. Das ist die Geschwindigkeit, die man hat durch Tippen versus Sprechen. Wobei, wie gesagt, ihr könnt auch schreiben, ihr könnt es einfach machen, das, was euch leichter fällt. Der zweite Schritt ist eine Verarbeitung dieser Daten. Also dass ihr sagt: Nimm das Ganze, guck, identifiziere aus dem Ganzen folgende Punkte. Ja, das ist schon so eine Art Systematisierung. Und die Systematisierung... da würde ich wiederum... da ist es wichtig, dass diese Endergebnisse, die müsst ihr sozusagen selber durchschauen, selber so weit bringen, dass ihr sagt: Damit arbeite ich jetzt weiter. Und damit wächst der Projektkontext. Und dann habt ihr letztlich einen... ja, für euch sehr guten Sparringspartner gebaut. Jetzt in dem Fall aus Perspektive der Geschäftsführung, wo ihr Dinge fragen könnt und was ihr macht: Ihr zieht ja in gewisser Weise das Wissen aus euch raus, packt es in so ein Claude-Project rein und könnt damit dann interagieren. Und das ist dann hilfreich wiederum für euer Nachdenken. Und das ist natürlich... ja, das könnt ihr jederzeit machen. Ja, also das ist jetzt in dem Fall die Abkürzung oder die Rationalisierung von jetzt mir als Beraterin, weil das wären ja jetzt so typische Dinge, wo bei mir also Termine, die ich durchführe, Termine, die ich dokumentiere, wo ich am Ende die Protokolle systematisiere und so weiter und so fort. Das ist jetzt ein Stück weit abgekürzt durch die AI. Und das ist im Prinzip der Workflow. Hier noch mal der Disclaimer, dass es sich bei dem, was ich erzähle, jetzt wirklich um Learning by Doing handelt. Es ist so frisch, dass ich euch jetzt nicht mal sagen kann, was daraus jetzt gut geklappt hat oder nicht. Wir reden hier nicht von Best Practice, sondern von: Okay, lass versuchen, wie es gehen könnte. Und genau, ich werde euch dann updaten, was da rauskommt. Ich würde noch mal einen Ausblick geben, wo es auf jeden Fall darauf hinausläuft oder was das Ziel von der Sache ist. Das Ziel ist ja nicht, dass jetzt quasi die Geschäftsführung einen guten Sparringspartner-Chatbot hat. Das ist auch super hilfreich, aber das Ziel ist ja, dass dieses Wissen in einer sinnvollen Form in einem Intranet liegt später, was dann auch dynamisch wächst und weiter gepflegt wird von Mitarbeitenden. Insbesondere wenn mehr Leute dazukommen, ist das Ganze ein lebendes System, wo idealerweise neues Wissen und Prozesse generiert wird, und zwar nicht im Kopf der Geschäftsführung, sondern von den Mitarbeitenden. Und das wird in das System eingepflegt. Und genau, also da gibt es eine andere Rollenverteilung. Also es muss darauf hinauslaufen, dass dieses Claude-Project und das Wissen, was dort generiert wird, muss übersetzt werden in eine Implementierung, jetzt in dem Fall in Confluence. Das heißt, die Inhalte müssen in einer aufbereiteten Form rüber kopiert werden. Es müssen passende Templates erstellt werden, die so für das Daily Doing benötigt werden. Und dann gibt es natürlich die Adaption, also dass die Mitarbeiter, für die das auch eine Umstellung sein wird, genauso wie für die Geschäftsführung, lernen, mit diesem neuen System zu arbeiten. Und dann wird eventuell auch der, ich sag mal, private Claude-Chat abgelöst durch jetzt eine KI, die in das Intranet integriert ist, jetzt in dem Fall Atlassian Rovo. Ja, darauf wird es hinauslaufen, oder das muss das Ziel sein. Genau. Und das ist jetzt erstmal die Vorbereitung genau dafür. Und genau. Ich halte euch auf dem Laufenden, was da rauskommt. Und ja, meldet euch gerne, wenn ihr sowas auch schon mal gemacht habt und da Erfahrungswerte mit gesammelt habt. Sehr, sehr gerne. Und ansonsten bin ich am Ende angekommen. Danke fürs Zuhören. Wie gesagt, Feedback, Kritik, meldet euch. Und dann hören wir uns beim nächsten Mal. Tschüss.