Warum strukturiertes Wissen der unterschätzte Hebel für bessere KI ist
Stell dir vor, du baust gerade deinen ersten KI-Assistenten für dein Unternehmen. Du hast das beste Modell, das beste Interface, die beste Infrastruktur. Und dann fragst du ihn etwas, das jeder neue Mitarbeiter nach zwei Wochen beantworten könnte und er halluziniert. Nicht weil das Modell schlecht ist. Sondern weil dein Wissen irgendwo zwischen 47 Confluence-Seiten, drei veralteten PDFs und einem Slack-Thread von 2021 vergraben liegt.
Genau dieses Problem hat Google Cloud jetzt mit einem konkreten Vorschlag adressiert: dem Open Knowledge Format, kurz OKF. Kein neues SaaS-Tool, keine proprietäre Plattform, kein KI-Hype-Bingo. Sondern ein offener Standard, der beschreibt, wie Wissen so strukturiert werden kann, dass Menschen und Maschinen es gleichermaßen sinnvoll nutzen können.
Das klingt unspektakulär. Ist es aber nicht, denn das eigentliche Problem der meisten KI-Projekte in Unternehmen ist nicht die Technologie. Es ist die Qualität des Wissens, auf das sie zugreifen.
Was OKF ist und was nicht
Das Open Knowledge Format ist eine offene Spezifikation von Google Cloud. Im Kern definiert sie, wie Wissensinhalte als Verzeichnis aus Markdown-Dateien mit YAML-Frontmatter organisiert werden sollen. Kein Vendor-Lock-in, kein spezielles Datenbankformat, kein Closed-Source-System.
Du schreibst deine Inhalte in Markdown, das kennt jeder, der jemals eine README-Datei gelesen hat. Und du ergänzt am Anfang jeder Datei einen kurzen YAML-Block, der beschreibt, was der Inhalt eigentlich ist: Titel, Typ, Beschreibung, Tags, Autor, Aktualisierungsdatum. Fertig.
Das sieht in der Praxis ungefähr so aus:
---
title: Onboarding-Prozess für neue Entwickler
type: process
description: Schritt-für-Schritt-Anleitung für das technische Onboarding im Engineering-Team
tags: [onboarding, engineering, prozess]
author: jana.m@beispiel.de
last_updated: 2025-11-01
---
Darunter kommt der eigentliche Inhalt in Markdown. Das wars. Keine Magie, keine Raketenwissenschaft.
Was OKF explizit nicht ist: ein Content Management System, ein Ersatz für bestehende Dokumentations-Tools oder ein automatischer Qualitätsgenerator für schlechten Content. Wer hofft, schlechtes Wissen durch ein schöneres Format zu retten, wird enttäuscht sein. Ein unvollständiger Prozessartikel bleibt unvollständig, nur eben mit Frontmatter.
Der eigentliche Grund, warum das jetzt relevant ist
Um zu verstehen, warum OKF gerade jetzt kommt, hilft ein kurzer Blick auf den Status quo.
Die meisten Unternehmen, die KI einsetzen wollen, stoßen schnell auf dasselbe Problem: Ihre internen Wissensquellen sind ein Chaos. Teams pflegen Dokumentation in verschiedenen Tools: Notion, Confluence, SharePoint, Google Docs, GitHub Wikis, ohne einheitliche Struktur, ohne klare Verantwortlichkeiten, ohne maschinenlesbare Metadaten. Das führt dazu, dass selbst hochmoderne KI-Systeme bei simplen internen Fragen versagen, weil sie nicht wissen, was aktuell ist, was veraltet ist, was für wen gilt.
Retrieval-Augmented Generation, also das Anreichern von Sprachmodellen mit eigenem Unternehmenswissen, ist mittlerweile Standard. Aber RAG ist nur so gut wie die Daten, die reingehen. Und die meisten Unternehmen haben keine Daten. Sie haben Dokumente. Das ist ein Unterschied.
OKF setzt genau hier an: nicht auf der Modell-Seite, sondern auf der Wissens-Seite. Wenn Inhalte konsistent strukturiert und mit sinnvollen Metadaten versehen sind, können sie besser indexiert, besser segmentiert, besser für semantische Suche und Agentensysteme vorbereitet werden. Das ist keine Theorie, das ist grundlegendes Information-Retrieval-Handwerk, das in der KI-Euphorie der letzten zwei Jahre oft vergessen wurde.
Für wen OKF konkret interessant ist
Kurze Antwort: für alle, die viel internes Wissen haben, das irgendwo steckt, aber schlecht auffindbar ist.
Lange Antwort: Besonders profitieren Teams, die regelmäßig dasselbe Wissen in verschiedenen Formen neu produzieren, Support, der immer wieder gleiche Fragen beantwortet; Engineering, das Onboarding-Prozesse dreimal erklärt; Produktmanagement, das Feature-Dokumentation über fünf verschiedene Tools verteilt pflegt; Redaktion, die Recherchearbeit doppelt macht, weil niemand weiß, was schon da ist.
In all diesen Kontexten ist der Pain-Point derselbe: Wissen ist da, aber in einer Form, die weder für Menschen noch für Maschinen gut zugänglich ist.
OKF ist außerdem besonders attraktiv für Unternehmen, die Vendor-Abhängigkeiten reduzieren wollen. Wissen in offenen Dateien lässt sich versionieren, spiegeln, auditen und in beliebige Systeme einspeisen, ohne Lizenzkosten, ohne API-Grenzen, ohne das Risiko, bei einem Provider-Wechsel alles neu aufbauen zu müssen.
Und: Wer bereits mit Git-basierten Workflows, GitHub oder GitLab arbeitet, hat die Infrastruktur für OKF im Grunde schon. Markdown-Dateien in einem Repository versionieren, das ist nicht neu. OKF gibt dem nur eine klare Struktur und Semantik.
Was OKF mit KI-Agenten zu tun hat
Hier wird es für die Praxis besonders interessant. KI-Agenten, also Systeme, die eigenständig Aufgaben ausführen, Entscheidungen treffen und auf Wissen zugreifen, brauchen strukturierte, zuverlässige Informationsquellen.
Ein Agent, der Kundenfragen beantwortet, muss wissen, welche Prozessdokumentation aktuell gilt, welche Produkte in welchem Markt verfügbar sind, und was die offizielle Antwortlinie zu bestimmten Themen ist. Wenn er dazu in einen unstrukturierten Dokumentendschungel taucht, wird er entweder halluzinieren oder die falschen Quellen heranziehen.
Strukturiertes Wissen nach OKF-Muster löst das nicht von allein, aber es schafft die Voraussetzungen. Klare Inhaltstypen, saubere Tags, nachvollziehbare Aktualitätsdaten: das sind genau die Metadaten, die ein Retrieval-System oder ein Agenten-Framework braucht, um zuverlässig zu arbeiten.
Kurz gesagt: OKF ist keine KI-Technologie. Es ist die Infrastruktur, die KI-Technologie erst richtig nutzbar macht.
Wo die Grenzen liegen
OKF ist ein Vorschlag, kein Allheilmittel und ehrliche Einordnung gehört dazu.
Erstens ist die Adoption entscheidend. Offene Standards scheitern nicht an der Idee, sondern an fehlender Verbreitung. Wenn kein nennenswertes Ökosystem aus Tools, Integrationen und Community-Support entsteht, bleibt OKF ein Google-Cloud-Blogpost mit GitHub-Repo. Wie weit sich das Format tatsächlich durchsetzt, wird sich in den nächsten zwölf bis achtzehn Monaten zeigen.
Zweitens löst OKF das grundlegende Problem vieler Wissensbasen nicht: mangelnde Disziplin. Schlechtes Wissen bleibt schlechtes Wissen. Veraltete Inhalte, die niemand pflegt, werden durch ein gutes Format nicht aktuell. Fehlende Verantwortlichkeiten verschwinden nicht, weil jetzt Frontmatter vorhanden ist. Wissensmanagement ist und bleibt ein organisatorisches Problem, kein technisches.
Drittens ist OKF kein vollständiges Wissensmanagement-System. Es fehlen Governance-Regeln, Versionierungskonventionen, Zugriffskontrollen und Workflows für Aktualisierungen. Das Format beschreibt, wie Wissen aussehen soll, nicht, wie es gewartet, geprüft und weiterentwickelt werden soll. Wer OKF einführt, muss diese Schicht selbst bauen.
Das sagt uns OKF über die Reife von Enterprise-KI
Dass Google Cloud jetzt ein Wissensformat vorschlägt, ist kein Zufall. Es ist ein Symptom einer Reifebewegung, die die gesamte Branche gerade durchläuft.
In der ersten Welle der KI-Begeisterung haben viele Unternehmen das Modell als den einzigen Hebel betrachtet: besseres Modell, bessere Ergebnisse. Das hat sich als falsch erwiesen. Die zweite Welle dreht sich um die Qualität der Kontextinformationen. Prompt Engineering, RAG, Fine-tuning. Und die dritte Welle, in der wir gerade stecken, erkennt: All das funktioniert nur, wenn das zugrundeliegende Wissen sauber, strukturiert und aktuell ist.
OKF ist ein Baustein dieser dritten Welle. Nicht der wichtigste, aber ein notwendiger. Er sagt im Kern: Wenn du willst, dass KI in deinem Unternehmen funktioniert, musst du aufhören, Wissen als Nebenprodukt zu behandeln, und anfangen, es als Asset zu bauen.
Das ist unsere Einschätzung
Das Open Knowledge Format ist kein Durchbruch und kein Hype. Es ist etwas, das in einer Welt voller Hype schwerer zu finden ist: ein nüchterner, pragmatischer Vorschlag für ein reales Problem.
Die Grundidee ist richtig. Unternehmenswissen muss strukturierter werden, nicht für die KI, sondern weil es für Menschen sowieso nie gut funktioniert hat. Dass dieser Schritt jetzt durch den KI-Kontext eine neue Dringlichkeit bekommt, ist aus unserer Sicht ein glücklicher Nebeneffekt.
Was wir besonders positiv sehen: OKF setzt nicht auf Komplexität, sondern auf Reduktion. Markdown, YAML, Dateisystem. Keine neuen Dependencies, keine Plattform-Anbindung, keine Lernkurve für die ersten zehn Stunden. Das ist ein Qualitätsmerkmal.
Was wir skeptisch sehen: die Adoption. Offene Standards brauchen Ökosysteme. Und Google hat in der Vergangenheit bewiesen, dass gute Ideen allein keine ausreichende Bedingung für Verbreitung sind. OKF muss in die Tools, Frameworks und Workflows eingebaut werden, die Teams tatsächlich nutzen, sonst bleibt es eine interessante Fußnote.
Unser Rat: Schau dir das Format an, auch wenn du es heute noch nicht einsetzt. Die Prinzipien dahinter, klare Metadaten, offene Dateiformate, konsistente Strukturierung, sind unabhängig von OKF richtig. Und wer anfängt, sein Wissen so zu denken, wird besser auf die nächste Generation von Agenten und Retrieval-Systemen vorbereitet sein als die Konkurrenz, die noch immer PDFs in Confluence verwaltet.
KI kann nur so klug sein wie das Wissen, auf das sie zugreifen kann. OKF ist ein Schritt in die richtige Richtung, um dieses Wissen endlich strukturiert aufzubauen.
Quelle: Google Cloud: How the Open Knowledge Format can improve data sharing
Hinweis: Dieser Artikel enthält Inhalte, die mit Unterstützung eines KI-Systems erstellt wurden. Die Inhalte wurden anschließend von einem Menschen mit ❤️ überprüft und bearbeitet, um Qualität und Richtigkeit sicherzustellen.