Blog
Warum RAG allein nicht reicht: Wie KI Projektwissen wirklich nutzbar macht
Senior Consultant
Seit der Einführung von Copilot und generativer KI setzen viele Unternehmen auf Retrieval-Augmented Generation (RAG), um Dokumente, Wikis und Wissensdatenbanken intelligenter nutzbar zu machen.
Das ist ein wichtiger Schritt. Gleichzeitig zeigt sich in größeren Transformations- und IT-Programmen schnell eine Grenze: Projekte bestehen nicht aus einzelnen Dokumenten, sondern aus Entscheidungen, Abhängigkeiten, Aufgaben, Risiken und deren Auswirkungen aufeinander.
Die eigentliche Herausforderung lautet daher nicht:
„Wie finde ich ein Dokument?“
Sondern:
„Wie verstehe ich die Auswirkungen einer Entscheidung auf das gesamte Programm?“
Vom Dokumenten-RAG zum Wissensgraphen
Klassisches RAG beantwortet Fragen auf Basis von Dokumenten.
Ein Projekt besteht jedoch aus deutlich mehr:
- Entscheidungen beeinflussen andere Entscheidungen
- Aufgaben blockieren andere Aufgaben
- Risiken entstehen durch Abhängigkeiten
- Teams arbeiten an denselben Themen aus unterschiedlichen Perspektiven
- Informationen entstehen in Meetings, Chats, E-Mails, Präsentationen und Dokumenten
Deshalb entsteht der eigentliche Mehrwert erst dann, wenn Informationen nicht nur gefunden, sondern miteinander verknüpft werden.
Ein Wissensgraph macht genau das: Er verbindet Artefakte, Beziehungen und Kontext zu einem durchgängigen Bild des Programms. Dadurch lassen sich Fragen beantworten wie:
- Welche Teams wären von dieser Entscheidung betroffen?
- Welche Aufgaben würden dadurch blockiert?
- Welche Risiken entstehen neu?
- Welche bestehenden Entscheidungen stehen möglicherweise im Konflikt?
Von GraphRAG zu Project Intelligence
GraphRAG erweitert den klassischen RAG-Ansatz um Beziehungen zwischen den Informationen.
Statt nur ähnliche Dokumente zu finden, können Zusammenhänge traversiert und Auswirkungen analysiert werden.
Dadurch entsteht eine neue Klasse von Fragen:
- Was hängt zusammen?
- Warum ist ein Thema kritisch?
- Welche Auswirkungen hat eine Änderung?
- Welche Pfade führen zu einem Risiko oder Meilenstein?
KI beantwortet damit nicht nur Wissensfragen, sondern unterstützt bei der Navigation durch die Komplexität eines Programms.
Workflows als fehlendes Bindeglied
Wissen allein erzeugt noch keinen Nutzen.
In der Praxis müssen Informationen bewertet, überprüft und in bestehende Prozesse integriert werden.
Deshalb spielen Workflows eine zentrale Rolle.
Moderne Workflow-Plattformen ermöglichen es, KI-Funktionen als einzelne Module in einen nachvollziehbaren Prozess einzubetten:
- Relevanzprüfung
- Extraktion von Entscheidungen und Abhängigkeiten
- Verifikation durch Fachbereiche
- Impact-Analysen
- Benachrichtigungen und Eskalationen
- Governance- und Compliance-Gates
Dadurch entsteht kein isolierter AI-Assistent, sondern ein kontrollierter Prozess, der sich in bestehende Projekt- und Betriebsabläufe integriert.
Der nächste Evolutionsschritt: Was wäre wenn?
Besonders spannend wird es, wenn KI nicht mehr nur vorhandenes Wissen analysiert, sondern hypothetische Szenarien simulieren kann.
Statt zu fragen:
„Welche Auswirkungen hat diese Entscheidung?“
kann künftig gefragt werden:
„Welche Auswirkungen hätte diese Entscheidung?“
Auf Basis eines Wissensgraphen lassen sich potenzielle Konflikte, betroffene Teams, Risiken oder kritische Pfade bereits vor einer tatsächlichen Entscheidung sichtbar machen.
Damit entwickelt sich KI von einem Informationssystem zu einem Werkzeug für bessere Entscheidungen.
Fazit
Die Zukunft von KI im Projektumfeld liegt nicht im nächsten Chatbot und nicht im nächsten Dokumenten-RAG.
Sie liegt in der Verbindung von:
- Wissensextraktion
- GraphRAG
- Workflow-Automatisierung
- Governance
- Impact-Analysen
Erst durch diese Kombination entsteht aus verteilten Informationen echtes Projektwissen – und aus Projektwissen die Grundlage für bessere Entscheidungen.