Ihre Unternehmens-KI weiß nichts über Ihr Geschäft

Sie haben 250.000 $ für eine KI-Plattform ausgegeben. Sie haben Ihre Daten angeschlossen. Sie haben Ihr Team geschult. Sie fragen nach Ihren Kreditrichtlinien. Sie erhalten eine Wikipedia-Antwort. Nicht falsch, genau genommen. Nur... allgemein. Die Art von Antwort, die eine belesene Person geben würde, die nie in Ihrer Branche gearbeitet hat. Sie weiß, was Kredit ist. Sie kennt Ihre Kreditrichtlinien nicht. Sie weiß, was Compliance bedeutet. Sie weiß nicht, dass Ihr Regulator eine CMF-Taxonomie bei jeder Einreichung verlangt. Das ist der Zustand 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 Abschreibungsplan. Ihr Call Center verarbeitet 50.000 Interaktionen pro Monat — Sprache, Chat, WhatsApp. Ihr HR-System verfolgt jede Organigramm-Änderung, jede Vergütungsanpassung, jede Leistungsbeurteilung seit der Gründung. Aber fragen Sie Ihre KI: "Was ist der maximale Kredit für ein Mitglied mit einem Einkommen von 820.000 CLP und Risikokategorie B1?" Sie erhalten einen Haftungsausschluss. Vielleicht eine Spanne. Wahrscheinlich den Vorschlag, "bei Ihrer Kreditabteilung nachzufragen." Die Antwort ist 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 da. Die Wissensrepräsentation ist es nicht.

Die Branchenantwort auf dieses Problem war RAG — Retrieval Augmented Generation. Laden Sie Ihre Dokumente hoch. Zerlegen Sie sie in Chunks. Betten Sie sie ein. Lassen Sie das Modell relevante Passagen abrufen, bevor es antwortet. Es hilft. Aber es löst das Problem nicht. RAG ruft Textblöcke ab. Es versteht keine Geschäftslogik. Ein Dokument über Kreditrichtlinien zu finden ist nicht dasselbe wie diese Regeln anzuwenden. Eine Regulierungsakte zu zerlegen kodiert 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 Aktionen 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.

Hier ist, was die meisten Unternehmen nicht wissen: Die Wissensstrukturen, die sie brauchen, existieren bereits. Sie werden seit Jahrzehnten von internationalen Normungsorganisationen 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. Es definiert, was ein Darlehen ist, was eine Gegenpartei ist, wie Zinsen anfallen, wie Risiken kategorisiert werden. Kostenlos nutzbar. GS1 — die Global Standards Organisation. Klassifiziert über 64.000 Produktkategorien. Jeder Barcode der Welt verwendet 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 Supply-Chain-Operationen von Ende zu Ende. BPMN modelliert Geschäftsprozesse. DMN modelliert Entscheidungen. O*NET klassifiziert über 1.000 Berufe mit detaillierten Kompetenzrahmen. Das sind keine akademischen Übungen. Das sind operative Standards, die von echten Institutionen verwendet werden. Die meisten Unternehmen haben nie von ihnen gehört. Ihre KI sicherlich auch nicht.

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

Wir begannen mit Produkten. Conversation Intelligence — Analyse jeder Call-Center-Interaktion auf Stimmung, Compliance und Produktabsicht. Financial AI — ERPs dazu bringen, Fragen in natürlicher Sprache zu beantworten. Governance Reporting — Synthese von Daten aus der gesamten Organisation zu vorstandsreifen Zusammenfassungen. Dann erkannten wir: Der Wert lag nicht in einem einzelnen Produkt. Er lag darin, wie sie sich verbanden. Auralytik erkennt erhöhte Frustration bei Kreditprodukt-Anrufen. Synaptik prüft — der Zahlungszyklus dieses Mitglieds verlängerte sich von 30 auf 67 Tage. D-Board fügt das korrelierte Risiko zur nächsten Vorstandsagenda hinzu. Ergonik markiert, dass der Account Manager 140% der Standard-Fallbelastung trägt. Kein einzelnes Produkt hätte das produzieren können. Das Netzwerk tat es. Also bauten wir die Infrastruktur. Einen formalen Wissensgraph. Ein Protokoll für Domänenmodelle, um gemeinsam zu argumentieren. Ein Netzwerk, in dem jeder neue Knoten jeden bestehenden Knoten fähiger macht. Die Produkte sind die ersten vier Knoten. Das Netzwerk ist die Plattform.

Wenn Ihre KI immer noch allgemeine Antworten auf spezifische Fragen gibt, ist das Problem nicht das Modell. GPT-4, Claude, Gemini — sie sind alle brillant im Argumentieren. Sie sind schrecklich 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 820.000 CLP Einkommen mit B1-Risiko 25.000.000 CLP maximalen Kredit bedeutet. Nicht weil jemand ein PDF hochgeladen hat. Weil die Regel in einem Wissensgraph kodiert ist, mit der CMF-Taxonomie verknüpft und gegen Ihren Produktkatalog validiert ist. Das ist nicht RAG. Das ist nicht Fine-Tuning. Das ist ein Fundament.