Ihre Unternehmens-KI weiß nichts über Ihr Geschäft

Sie haben 250.000 USD für eine KI-Plattform ausgegeben. Sie haben Ihre Daten verbunden. Sie haben Ihr Team geschult. Sie fragen sie nach Ihren Kreditregeln. Sie gibt Ihnen eine Wikipedia-Antwort. Nicht falsch, genau genommen. Nur... generisch. Die Art von Antwort, die eine belesene Person geben würde, die nie in Ihrer Branche gearbeitet hat. Sie weiß, was Kredit ist. Sie kennt nicht Ihre Kreditregeln. Sie weiß, was Compliance bedeutet. Sie weiß nicht, dass Ihre Aufsichtsbehörde bei jeder Einreichung die CMF-Taxonomie verlangt. Das ist der Stand der Unternehmens-KI im Jahr 2026. Die Modelle sind brillant. Die Infrastruktur ist ausgereift. Und die Antworten sind nutzlos — weil Ihre KI das Internet gelesen hat. Sie hat nie Ihr Unternehmen gelesen.

Ihr ERP hat 15 Jahre Transaktionen. Jede Rechnung, jeden Zahlungszyklus, jeden Tilgungsplan. Ihr Callcenter verarbeitet 50.000 Interaktionen pro Monat — Sprache, Chat, WhatsApp. Ihr HR-System verfolgt jede Organigrammänderung, jede Gehaltsanpassung, jede Leistungsbeurteilung seit der Gründung. Aber fragen Sie Ihre KI: «Wie hoch ist der maximale Kredit für ein Mitglied mit einem Einkommen von 820.000 CLP und der Risikokategorie B1?» Sie erhalten einen Haftungsausschluss. Vielleicht eine Spanne. Wahrscheinlich den Vorschlag, «sich an Ihre Kreditabteilung zu wenden». Die Antwort lautet 25.000.000 CLP. Sie steht in Ihrer Entscheidungstabelle. Zeile 2. CMF-Obergrenze bestätigt. Ihr Compliance-Beauftragter kennt das auswendig. Ihre KI weiß nicht, dass es existiert. Die Daten sind vorhanden. Die Wissensrepräsentation nicht.

Die Branchenantwort auf dieses Problem war RAG — Retrieval Augmented Generation. Laden Sie Ihre Dokumente hoch. Zerlegen Sie sie in Abschnitte. Erstellen Sie Embeddings. Lassen Sie das Modell relevante Passagen abrufen, bevor es antwortet. Das hilft. Aber es löst das Problem nicht. RAG ruft Textabschnitte ab. Es versteht keine Geschäftslogik. Ein Dokument über Kreditregeln zu finden ist nicht dasselbe wie diese Regeln anzuwenden. Eine regulatorische Einreichung in Abschnitte zu zerlegen codiert nicht die Beschränkung — es macht sie nur durchsuchbar. Wenn Ihr Compliance-Beauftragter ein CMF-Rundschreiben liest, speichert er nicht nur den Text. Er versteht, welche Regeln für welche Produkte gelten, welche Schwellenwerte welche Maßnahmen auslösen und welche Ausnahmen für welche Mitgliederkategorien existieren. Er baut ein mentales Modell auf. RAG gibt Ihrer KI einen Bibliotheksausweis. Es gibt ihr nicht das mentale Modell.

Was die meisten Unternehmen nicht wissen: Die Wissensstrukturen, die sie brauchen, existieren bereits. Sie werden seit Jahrzehnten von internationalen Standardisierungsgremien gepflegt. FIBO — die Financial Industry Business Ontology. Definiert über 1.200 Finanzkonzepte. Gepflegt vom EDM Council. Verwendet von der Bank of England, der Federal Reserve und Dutzenden von Zentralbanken. Sie definiert, was ein Darlehen ist, was eine Gegenpartei ist, wie Zinsen anfallen, wie Risiko kategorisiert wird. Kostenlos nutzbar. GS1 — die globale Standardisierungsorganisation. Klassifiziert über 64.000 Produktkategorien. Jeder Barcode der Welt nutzt ihr System. Jedes Produkt, das Sie verkaufen, kaufen oder versenden, hat eine GS1-Klassifikation. Ihre KI weiß das nicht. SCOR — das Supply Chain Operations Reference-Modell. Modelliert Lieferkettenoperationen von Anfang bis Ende. BPMN modelliert Geschäftsprozesse. DMN modelliert Entscheidungen. O*NET klassifiziert über 1.000 Berufe mit detaillierten Kompetenzrahmen. Das sind keine akademischen Übungen. Es sind operative Standards, die von echten Institutionen genutzt werden. Die meisten Unternehmen haben noch nie von ihnen gehört. Ihre KI ganz bestimmt nicht.

Ein Wissensfundament hat drei Ebenen: Tier 1: Universelle Ontologie. SUMO. Schema.org. Die Konzepte, die branchenunabhängig gelten — was eine Organisation ist, was eine Transaktion ist, wie Zeit funktioniert, wie Mengen zusammenhängen. Tier 2: Branchenstandards. FIBO für Finanzen. GS1 für Produkte. SCOR für Lieferketten. BPMN für Prozesse. DMN für Entscheidungen. Diese sind domänenspezifisch, aber nicht unternehmensspezifisch. Sie definieren, wie Ihre Branche funktioniert. Tier 3: Ihr Unternehmen. Ihre Produkte. Ihre Kunden. Ihre Regeln. Ihre Prozesse. Ihre Organisationsstruktur. Das ist es, was Ihr Unternehmen von jedem anderen Unternehmen Ihrer Branche unterscheidet. Tier 1 und Tier 2 existieren bereits. Sie bauen sie nicht — Sie übernehmen sie. Sie bauen nur Tier 3. Wenn Ihre KI auf diesem dreistufigen Fundament schlussfolgert, rät sie nicht. Sie ruft nicht ab und hofft. Sie verfolgt jede Antwort zurück zu einer bestätigten Tatsache in Ihrem Wissensgraphen. Quellen werden angezeigt. Konfidenz wird kalibriert. Der Compliance-Beauftragte kann die Argumentationskette prüfen.

Wir begannen mit Produkten. Gesprächsintelligenz — Analyse jeder Callcenter-Interaktion auf Stimmung, Compliance und Produktabsicht. Finanz-KI — ERPs dazu bringen, Fragen in natürlicher Sprache zu beantworten. Governance-Reporting — Synthese von Daten aus der gesamten Organisation zu vorstandstauglichen Zusammenfassungen. Dann erkannten wir: Der Wert lag nicht in einem einzelnen Produkt. Er lag darin, wie sie verbunden waren. Auralytik erkennt erhöhte Frustration bei Anrufen zu Kreditprodukten. ERP AI prüft — der Zahlungszyklus dieses Mitglieds hat sich von 30 auf 67 Tage verlängert. D-Board fügt das korrelierte Risiko auf die nächste Vorstandsagenda. Talent meldet, dass der Kundenbetreuer 140 % der Standard-Fallbelastung trägt. Kein einzelnes Produkt hätte das erzeugen können. Das Netzwerk hat es geschafft. Also haben wir die Infrastruktur gebaut. Einen formalen Wissensgraphen. Ein Protokoll, damit Domänenmodelle gemeinsam schlussfolgern können. Ein Netzwerk, in dem jeder neue Knoten jeden bestehenden leistungsfähiger macht. Die Produkte sind die ersten vier Knoten. Das Netzwerk ist die Plattform.

Wenn Ihre KI immer noch generische Antworten auf spezifische Fragen gibt, ist das Problem nicht das Modell. GPT-4, Claude, Gemini — sie sind alle brillant im Schlussfolgern. Sie sind schlecht darin, Ihr Unternehmen zu kennen. Das Problem ist das Fundament, auf dem sie aufgebaut sind. Oder vielmehr das Fundament, auf dem sie nicht aufgebaut sind. Ihre KI muss wissen, dass ein Einkommen von 820.000 CLP mit Risikokategorie B1 einen maximalen Kredit von 25.000.000 CLP bedeutet. Nicht weil jemand ein PDF hochgeladen hat. Weil die Regel in einem Wissensgraphen codiert ist, mit der CMF-Taxonomie verknüpft und gegen Ihren Produktkatalog validiert ist. Das ist kein RAG. Das ist kein Fine-Tuning. Das ist ein Fundament.