Knowledge Layer: was eine Wissensschicht für Unternehmens-KI leistet
Zwischen den Applikationen eines Unternehmens und jeder KI liegt eine Schicht, die vordenkt.
Definition: Ein Knowledge Layer ist die Schicht zwischen den Applikationen eines Unternehmens und jeder KI. Er kennt Dokumente, Fassungen, Verknüpfungen und Rechte schon vor der Frage und liefert der KI den fertigen Stand.
Die Schicht dazwischen
Unten die Applikationen, oben jede KI. Dazwischen wird vorgedacht.
Jede KIfragt einmal und bekommt den Stand
- T5.Chat
- Assistenten mit MCP
- eigene Agenten
- Automationen
Knowledge LayerT5.Knowledge
- Werke und Fassungen
- Verknüpfungen über Kennungen
- Rechte je Nutzer
- ein Stand je Frage
Applikationenwo das Wissen heute liegt
- SharePoint
- Outlook
- Teams
- ERP
- CRM
- DMS
- Datenbanken
- Fachanwendungen
Schematisch. Welche Applikationen T5.Knowledge anbindet: Angebunden werden Microsoft 365 mit SharePoint, Outlook und Teams, wobei Outlook und Teams live abgefragt werden, Fachanwendungen über standardisierte Konnektoren und Datenbanken über eine semantische Schicht, die Tabellen und Kennzahlen verständlich macht. Private Chats kommen nie in den Index.
Definition
Ein Knowledge Layer, deutsch Wissensschicht, ist kein weiteres Programm für Mitarbeitende, sondern eine Schicht im Hintergrund: Er verbindet die Applikationen, in denen Wissen liegt, mit den KIs, die Fragen beantworten sollen.
Heute liegt das Wissen eines Unternehmens verteilt: Angebote in SharePoint, Absprachen in Outlook und Teams, Beträge im ERP-System, Pläne in einer Ablage mit eigener Planliste. Eine KI, die eine Alltagsfrage beantworten soll, müsste all diese Systeme selbst durchsuchen, Kopien von gültigen Fassungen unterscheiden, Mails dem richtigen Vorgang zuordnen und dabei die Rechte der fragenden Person beachten, bei jeder einzelnen Frage neu.
Ein Knowledge Layer erledigt diese Arbeit vorher und laufend. Er liest die Quellen, erkennt, was zusammengehört, und hält das Ergebnis aktuell. Stellt eine KI eine Frage, bekommt sie nicht zwanzig Rohtreffer, sondern den fertigen Stand mit Begründung und Belegen. Oder, wie wir es sagen: Ihre KI denkt nach. Wir denken vor.
Was er vorher erledigt
Am Beispiel von T5.Knowledge lassen sich die Aufgaben einer Wissensschicht konkret zeigen.
Kopien und Fassungen werden ein Werk
Kopien, Exporte, Fassungen und Serien eines Dokuments werden als ein Werk erkannt, also als ein Dokument mit allen seinen Ständen; die gültige Fassung steht vorn, mit Begründung, und wer es besser weiß, korrigiert die Zuordnung. Ein Plan, der als Entwurf, als „final“, als Export und als Kopie im Mail-Anhang existiert, ist für die KI damit ein einziges Werk mit einer gültigen Fassung. Wie das im Detail funktioniert, zeigt der Ratgeber Welche Fassung gilt?.
Vorgänge werden verknüpft
Mail, Dokument und Datensatz zum selben Vorgang werden über Kennungen verbunden; dafür kennt T5.Knowledge die Nummernkreise des Unternehmens, etwa Projekt-, Auftrags- und Kundennummern. So erscheinen die Mail des Prüfers, der Plan und der Nachtrag im ERP als ein Vorgang, auch wenn sie in drei Systemen liegen.
Rechte reisen mit
Rechte werden in jeder Quelle gelesen, aktuell gehalten und auf alles Abgeleitete angewendet (Passagen, Werke, Zusammenfassungen, Verknüpfungen). Rechteänderungen wirken in unter 15 Minuten. Live-Abfragen laufen im Namen und mit den Rechten der fragenden Person.
Neue Dokumente sind in Sekunden auffindbar
Ein neues oder geändertes Dokument ist in unter 10 Sekunden auffindbar (in 95 von 100 Fällen, bei Dokumenten bis 20 Seiten), ein einzelner neuer Scan in unter 60 Sekunden. Die erste Antwort kommt in unter 60 Sekunden nach dem Verbinden einer unterstützten Quelle wie Microsoft 365; der gesamte Bestand ist nach 3 bis 6 Stunden durchsuchbar.
Eine Frage liefert die Stand-Karte
Eine Frage liefert die Stand-Karte: aktuelle Fassung, Begründung, Verknüpfungen und Fakten. In T5.Chat sehen Mitarbeitende die Stand-Karte direkt, KI-Agenten bekommen dieselben Daten über MCP. Für Agenten heißt das: Ein Agent bekommt mit einer Abfrage (wissen.frage) den aktuellen, verknüpften Stand über alle angebundenen Applikationen. Für Folgefragen gibt es weitere Werkzeuge, etwa für alle Fassungen eines Dokuments (wissen.werk) oder alles zu einem Vorgang (wissen.akte).
Abgrenzung: RAG, Knowledge Graph, MCP und Enterprise Search
Ein Knowledge Layer wird oft mit verwandten Ansätzen verwechselt. Die meisten davon sind keine Konkurrenz, sondern Bausteine: Eine Wissensschicht nutzt sie und setzt das Zusammenführen obendrauf.
Abgrenzung
Vier verwandte Ansätze, ein anderes Ergebnis.
Einordnung schematisch, keine Bewertung einzelner Produkte. Die Achsen beschreiben, was ein Ansatz von sich aus liefert und wie viele Applikationen er zusammenführt.
| Ansatz | Was er leistet | Was allein fehlt | Rolle im Knowledge Layer |
|---|---|---|---|
| RAG | findet zu einer Frage passende Abschnitte und gibt sie der KI mit Quelle mit | gültige Fassung, Verknüpfungen über Applikationen hinweg, ein gemeinsamer Stand | Baustein für die Suche nach Passagen |
| Knowledge Graph | bildet Dinge und ihre Beziehungen ab, etwa Projekt, Plan und Firma | liefert Beziehungen, keine fertige Antwort; ohne laufende Pflege veraltet er | Baustein für Verknüpfungen |
| MCP | offener Standard, über den eine KI die Werkzeuge einer Applikation aufruft | je Applikation ein Server mit Rohtreffern; die Werkzeugbeschreibungen belegen Kontext | Schnittstelle, über die der Stand an jede KI geht |
| Enterprise Search | sucht über viele Quellen und zeigt Menschen eine Trefferliste | Antworten für KIs, gültige Fassung, Verknüpfung zum Vorgang | ähnliche Anbindung der Quellen, anderes Ergebnis |
| Knowledge Layer | führt Quellen zusammen, erkennt Werke, verknüpft Vorgänge, wendet Rechte an und liefert den fertigen Stand | braucht Anbindung und Betrieb der Quellen | die Schicht selbst |
Bei T5.Knowledge arbeiten diese Bausteine zusammen: Jeder Abschnitt wird mit Titel und Kapitel seines Dokuments angereichert, Sinnabschnitte bleiben zusammen, ein Wissensgraph hält Zusammenhänge fest, und eine KI-Sortierung stellt die relevantesten Treffer nach vorn. Nach außen geht der Stand über eine API und einen MCP-Server. Wie MCP arbeitet und wo es an Grenzen stößt, erklärt der Ratgeber MCP-Server für Unternehmen.
Wann es sich lohnt
Eine Wissensschicht ist nicht für jede Aufgabe nötig. Sie lohnt sich vor allem, wenn mehrere dieser Punkte zutreffen:
- Die Antwort liegt in mehreren Applikationen. Eine Alltagsfrage braucht heute drei bis fünf Programme, etwa Ablage, Mail und ERP.
- Es kommt auf die gültige Fassung an. Pläne, Verträge, Angebote und Regelungen existieren in vielen Ständen, und der falsche Stand kostet Geld.
- Mehrere KIs sollen dasselbe Wissen nutzen. Ein Chat für Mitarbeitende, Agenten für Abläufe und Assistenten großer Anbieter sollen nicht jeweils eigene Anbindungen bauen.
- Rechte sind fein verteilt. Nicht jede Abteilung darf alles sehen, und das muss auch für Zusammenfassungen gelten.
- Der Kontext soll im grünen Bereich bleiben. Fünf einzelne Konnektoren belegen schon vor der Frage einen großen Teil des Kontextfensters; mehr dazu im Ratgeber Context Rot.
Liegt das Wissen dagegen in einer einzigen, gut gepflegten Quelle, reicht oft eine Suche direkt in dieser Quelle. Wie man den Aufbau angeht, beschreibt der Ratgeber KI-Wissensdatenbank aufbauen.
Quellen
- Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks, Patrick Lewis et al., arXiv:2005.11401, 2020. Abgerufen am 15.10.2026.
- Knowledge Graphs, Aidan Hogan et al., arXiv:2003.02320, 2020. Abgerufen am 15.10.2026.
- What is the Model Context Protocol (MCP)?, Model Context Protocol, offizielle Projektseite. Abgerufen am 15.10.2026.
- Anthropic Engineering, „Introducing advanced tool use on the Claude Developer Platform“, Anthropic Engineering, 24.11.2025. Abgerufen am 15.10.2026.